Engee на старт!

Друзья,

Представим, что у вас есть алгоритм, который годами работает и уже прошел проверку. Модель переезжает в Engee. Переписывать алгоритм с нуля?

Необязательно.

1️⃣Если сохранился Cи код, его можно подключить к модели через блок C Function. Если исходной реализации нет или алгоритм нужно переработать, его можно собрать в отдельный модуль на Julia, протестировать и затем подключить к Engee Function.

В проекте Буфер с внешним сбросом C Function реализует циклический буфер для потоковых данных. Состояние блока хранится в рабочих переменных: отдельно выделены буфер данных и счётчик позиции. Память заранее выделяется для каждого экземпляра блока, поэтому алгоритм работает без динамического выделения памяти.

Сам алгоритм остается на Си, а модель Engee используется для его проверки. Для буфера создана тестовая обвязка со входными данными и сигналом сброса, после чего запускается симуляция и анализируются результаты.

2️⃣Но исходного Cи кода может не быть. Тогда алгоритм приходится реализовывать заново. Для сложной логики не обязательно помещать весь код непосредственно в Engee Function.

В проекте Продвинутая разработка блоков на основе Engee Function алгоритм вычисления расстояний между наборами данных вынесен в отдельный модуль Julia. Модуль отдельно тестируется: проверяется обычный вызов функции, обработка несовместимых размерностей и корректность результата. Для оценки производительности измеряются время выполнения, объём выделяемой памяти и количество аллокаций.

🔧 Затем модуль подключается к Engee Function. Ошибки из вычислительной функции можно обрабатывать отдельно: например, при несовпадении размерностей возникает DimensionMismatch, который передается в диагностику Engee и останавливает симуляцию.

В итоге при миграции можно сохранить существующий Cи код или вынести новую реализацию в отдельный тестируемый модуль. При этом алгоритм остается частью модели: его можно запускать на модельных данных, проверять результаты, измерять производительность и обрабатывать ошибки в рамках одного инженерного цикла.

О том, как работать с существующим кодом и переносить алгоритмы в Engee, поговорим в День Engee 2026 в отдельной секции.

➡️ Программа и регистрация

Релиз 26.9 – новое в сентябре 🍂 ☕️ ⚙️

Друзья,

Сентябрь подходит к концу — за окном яркая осень, а у нас начинается особенно насыщенный период. Готовимся к Дню Engee, собираем новые материалы и продолжаем развивать саму среду. Поэтому по традиции рассказываем, что нового появилось в Engee за последний месяц.

Раз вы читаете это сообщение, значит новое обновление уже доступно для вас на Engee.com.

Самое важное:
⭐️Engee MIND
⭐️Пакет поддержки для Artery;
⭐️Быстрое прикрепление файлов к «баг-репорту»;
⭐️Возможность восстанавливать закрытые ранее модели;
⭐️Переработанная работа с коннекторами;
⭐️Поддержка шин в конечных автоматах;
⭐️Новые возможности по диагностике ошибок в моделях;
⭐️Обновления и улучшения интеграции с ЭЙЛЕР;
⭐️Возможность поменять положение имени блока относительно иконки;

А еще:
✅Новые блоки и функции в библиотеках РИТМ, ЦОС, Автомобильные системы, Влажный воздух, Смешанный сигнал, Электричество, РЧ, Спутниковые системы, Радары, Навигация, ФАР;
✅Переход на соседнюю вкладку при ее закрытии в редакторе кода;
✅Обратное наследование через шины;
✅Поддержка массивов шин для генерации кода;
✅Шины в КА также поддерживаются и для генерации кода;
✅Функции для программной работы с COM и CAN;
✅Новые статьи в Документации и новые Примеры;

Полный список обновлений доступен в разделе «Что нового 26.9».

Сентябрь закрываем, но расслабляться не собираемся. Впереди День Engee, новые задачи и много работы над новыми проектами. Продолжаем добавлять крутые возможности, а 21 октября покажем часть из них вживую.

Ждем вас! 🎂

Engee MIND — ИИ непосредственно в инженерном проекте

На ИТОПК-2026 впервые представили Engee MIND — модуль ИИ-автоматизации инженерной разработки в среде Engee.

MIND связывает языковую модель с инженерным проектом. Инженер может использовать LLM прямо при работе с моделью: разобраться в её структуре и коде, изменить параметры, запустить расчёт и проанализировать результат.

При этом MIND не привязан к конкретной языковой модели. Можно подключать разные LLM, в том числе локальные — для работы в защищённом контуре предприятия.

Инженерную экспертизу можно сохранять в Skills — формализованных процедурах, которые задают порядок выполнения инженерной задачи и критерии проверки.

Engee MIND уже доступен по запросу.

➡️ Узнать, как работает MIND, и запросить доступ

Подробнее об Engee MIND и практических сценариях его применения расскажем 21 октября в День Engee

🔄 Почему ПИД теряет управление при насыщении: разбираем anti-windup

Представим: регулятор требует открыть клапан на 130%, а привод физически может дать только 100%.

Управляющий сигнал упирается в предел, но интегратор продолжает накапливать ошибку. Когда ошибка меняет знак, регулятору сначала приходится избавиться от накопленного интегрального вклада. Поэтому система может ещё некоторое время оставаться в насыщении и получить дополнительное перерегулирование.

Это и есть windup. Один из способов с ним бороться — anti-windup.

В проекте Сообщества Engee используется вариант с фиксированными пределами выхода интегратора ошибки. Его диапазон — [−0,3; 0,3]. То есть ограничивается не только итоговый управляющий сигнал после сумматора, но и сам I-канал.

В модели используются:
🔸P-канал: Kp = 0,5 — реакция на текущую ошибку положения;
🔸D-канал: Kd = 2 — обратная связь по ошибке скорости;
🔸I-канал: Ki = 0,05 — вклад накопленной ошибки;
🔸anti-windup: ограничение выхода интегратора [−0,3; 0,3];
🔸шумы измерений и транспортная задержка 0,3 с.

Сам объект моделируется последовательным интегрированием: ускорение → скорость → положение. Сигналы скорости и положения возвращаются в обратную связь.

Здесь есть важный момент: малый Ki не заменяет anti-windup. Он лишь замедляет накопление интегральной составляющей. Если исполнительный механизм уже уперся в ограничение, интегратор всё равно может продолжать накапливать ошибку.

Поэтому в модели можно отдельно посмотреть на сигнал I-канала и команду до и после ограничителя, а затем оценить, как система выходит из насыщения и как это отражается на переходном процессе.

Весь запуск моделей и построение графиков в проекте автоматизированы кодом на Julia.

👉Открыть проект

📹 Настройка ПИД в Engee
24 сентября в 10:00 на вебинаре «ПИД-регулятор в АСУ ТП: управление температурой в Engee» разберём, как настроить регулятор на виртуальной модели технологической ёмкости.

🔥 А 21 октября — День Engee
В программе Дня Engee будет отдельный блок про моделирование систем управления: от построения модели до настройки и исследования регуляторов.

📡 EngeeDSP: инструменты для ЦОС в Engee

Для ЦОС в Engee мы развиваем специализированную библиотеку EngeeDSP.

Один инструмент вместо набора разрозненных библиотек: единый API, единый подход к работе с сигналами и готовые функции для типовых задач ЦОС.

Сегодня расскажем о проекте, в котором на одном сигнале собрали довольно много таких задач.

📈 Сигнал состоит из трёх гармоник — 50, 120 и 200 Гц — с разными амплитудами и фазами. К нему добавлен гауссовский шум. Частота дискретизации — 1 кГц, длительность — 1 с.

Для начала применяем окно Ханна и считаем БПФ. На амплитудном спектре хорошо видны три частотные компоненты, а их пики можно выделить непосредственно из рассчитанного спектра.

Дальше считаем спектральную плотность мощности (PSD) методом периодограммы. Здесь уже можно посмотреть не только на амплитуды отдельных гармоник, но и на распределение мощности сигнала по частоте.

Отдельно разбираем фазовую составляющую: строим фазовый спектр, а из него рассчитываем групповую задержку как производную фазы по частоте.

Есть и анализ взаимосвязи сигналов. Для синусоиды 50 Гц в качестве эталона рассчитываем когерентность с исходным сигналом. Затем по спектральным оценкам строим передаточную функцию и смотрим отдельно её модуль и фазу.

Для анализа изменения спектра во времени используем STFT. В расчёте применено окно Ханна длиной 128 отсчётов, перекрытие 64 отсчёта и БПФ длиной 256. Это позволяет увидеть частотный состав сигнала не только в целом, но и на отдельных участках времени.

📊 В конце добавляем автокорреляционный анализ и собираем результаты в набор графиков. Получается довольно наглядная картина одного и того же сигнала сразу в нескольких представлениях: время, амплитуда, фаза, мощность, взаимосвязь сигналов и частотно-временная структура.

Весь расчёт собран в Engee с использованием EngeeDSP и Statistics.

🔗 Посмотреть проект и код

🚨 День Engee 21.10
🧑‍🎓 ПИД-регулятор в АСУ ТП 24.09

⚙️ Электропривод — отдельное направление в Engee

Мы активно развиваем в Engee направление электропривода: разрабатываем новые блоки, добавляем специализированные модели и расширяем набор инженерных примеров в Сообществе и Документации.

Для этого появился отдельный раздел «Электропривод». В нем уже собраны материалы по разным типам электрических машин, их параметрированию, системам управления и моделированию элементов привода.

Среди новых материалов — два проекта по скалярному управлению асинхронным двигателем. В них одну и ту же задачу можно рассмотреть сначала в разомкнутой системе, а затем добавить контуры регулирования скорости и момента.

В первом проекте сравниваются три закона скалярного управления:
🔸U/f — для приводов с постоянным моментом нагрузки;
🔸U/√f — для работы во второй зоне, выше номинальной частоты;
🔸U/f² — для насосов, вентиляторов и других механизмов, где момент сопротивления зависит от квадрата скорости.

Для закона U/f также можно сравнить три варианта: без компенсации, с IR-компенсацией активного падения напряжения и с IZ-компенсацией полного падения напряжения на сопротивлении статора. На малых скоростях это особенно заметно: падение напряжения становится существенным относительно ЭДС двигателя.

Исходная модель — асинхронный двигатель 164 кВт, 380 В, 50 Гц. Задание скорости — 800 об/мин, частота ШИМ — 2 кГц, шаг моделирования — 5 мкс.

При набросе нагрузки в разомкнутой системе скорость проседает примерно до 780 об/мин: изменение скольжения здесь ничем не компенсируется.

Во втором проекте используется тот же закон U/f, но в систему добавляются обратные связи:
🔸по скорости с ПИ-регулятором — для устранения статической ошибки;
🔸положительная обратная связь по моменту — для компенсации скольжения;
🔸отрицательная обратная связь по моменту — для ограничения момента и перегрузки привода.

В результате при изменении нагрузки скорость возвращается к заданным 800 об/мин, а электромагнитный момент ограничивается примерно на уровне 200 Н·м.

Получается наглядно сравнить, что происходит с приводом при разных законах управления и как меняется его поведение после добавления обратных связей — еще до перехода к более сложным структурам управления.

Параметры двигателя, нагрузки, компенсации и ПИ-регуляторов можно менять непосредственно в моделях и исследовать уже свою конфигурацию.

📎 [Раздел «Электропривод» в Документации]
📎 [Проекты по электроприводу в Сообществе]

Дальше будем расширять раздел новыми моделями электрических машин, компонентами привода и системами управления.

😎 Школа Анализа Инженерных Данных
🧑‍🎓 Вебинар ПИД-регулятор в АСУ ТП 24.09

Релиз 26.8 – новое в августе 🏫🧑‍🏫🔔

Друзья,

Первое сентября уже совсем рядом. Кто-то идёт на первую пару, кто-то возвращается в лабораторию, а кто-то открывает Engee и начинает собирать первую модель нового учебного года. Августовский релиз выходит как раз к этому моменту. В нём мы добавили несколько вещей, которые пригодятся и в учебных проектах, и тем, кто использует Engee для серьёзных инженерных задач.

В последние дни лета мы уже выпустили для вас новое обновление на Engee.com.

Самое важное:
⭐️Улучшения конвертера моделей Simulink;
⭐️Новый раздел примеров «Электропривод» и крутые новые проекты в нем;
⭐️Документация и примеры по созданию пользовательских таргетов;
⭐️Автоматический подбор шага расчета глобального решателя;
⭐️Новая библиотека блоков — Автомобильные системы;
⭐️Ускорение всех фаз исполнения моделей;
⭐️Новая версия приложения РИТМ.Управление машинами;
⭐️Полностью переработанные и настраиваемые названия графиков и подписи осей;

А еще:
✅Новые блоки и функции в библиотеках Электричество, Автомобильные системы, Механика, Смешанный сигнал, Оборудование, ЦОС, РЧ, Спутниковые системы, Радары;
✅Пользовательская палитра для сигналов на графиках;
✅Единый модуль «Редактор данных модели»;
✅Отдельные окна для редактора кода Engee Function и C Function;
✅Новые статьи в Документации и новые Примеры;

Полный список обновлений доступен в разделе «Что нового 26.8».

Пусть новый учебный год будет с хорошими задачами, понятными моделями, удачными расчетами и проектами, которыми потом хочется поделиться в Сообществе. А мы постараемся, чтобы поводов открыть Engee в этом году было больше. Впереди новые примеры, вебинары, материалы и другие события.

Увидимся в новом учебном году!

😎 Школа Анализа Инженерных Данных уже идет
🧑‍🎓 Вебинар ПИД-регулятор в АСУ ТП 24.09

Что делать, если параметр системы неизвестен, измерения шумят, а остановить процесс для экспериментов нельзя? 🤔

Для решения такой задачи в Engee в новом проекте мы использовали расширенный фильтр Калмана (РФК). Он позволяет одновременно оценивать состояние системы и уточнять неизвестные параметры по мере поступления новых измерений.

В качестве объекта взяли обычное апериодическое звено первого порядка:
x[n+1] = ax[n] + bu + bv[n]

Здесь a — неизвестный параметр. Мы специально дали фильтру неправильное начальное значение: 0.85 вместо настоящего 0.9. Измерения при этом зашумлены, а в сам процесс добавлен отдельный шум.

На каждом шаге РФК сначала делает прогноз состояния и его неопределённости, затем сравнивает прогноз с новым измерением и по этой разнице корректирует оценку. При этом параметр a включён прямо в расширенный вектор состояния, поэтому фильтр может уточнять его вместе с самим состоянием объекта.

📊 И результат хорошо виден на графиках:
• оценка параметра, начав с 0.85, быстро уходит к истинному значению 0.9 и после первых десятков итераций стабилизируется около него;
• неопределенность оценки параметра постепенно уменьшается по мере накопления данных;
• восстановленная траектория состояния хорошо совпадает с истинной, хотя исходные измерения заметно зашумлены.

Особенно нравится здесь именно практическая сторона подхода. Нам не нужно останавливать объект, отдельно определять его параметры, а потом возвращать систему в работу. Параметры можно оценивать непосредственно во время процесса.

Отсюда уже вполне реальные задачи:
⭐️оценка параметров объекта для адаптивного управления;
⭐️уточнение характеристик электрических машин и аккумуляторов;
⭐️калибровка параметров датчиков в навигационных системах;
⭐️проверка алгоритмов оценки состояния до выхода на реальный стенд.

И ещё один важный момент: такая оценка хорошо работает только тогда, когда математическая модель действительно соответствует объекту. Если модель не описывает реальный процесс, фильтр может вполне уверенно сойтись — но к неправильному параметру.

📎 Полный проект с кодом и моделью

Можно взять его за основу и заменить простое звено любой своей моделью.

А у вас какие параметры приходится оценивать непосредственно во время работы системы? 👇

🏆 Школа анализа данных 24.08

Друзья,

Продолжаем изучать тему подсистем в Engee. 💼

В прошлом видео речь шла о том, как разбивать большую модель на отдельные части и не превращать схему в бесконечное полотно из блоков и линий.

Теперь добрались до специальных типов подсистем, которые позволяют управлять самим процессом вычислений.

В новом учебном проекте разбираем:
🔸 Action Subsystem — выполнение части модели по событию;
🔸 Function-Call Subsystem — запуск вычислений по вызову другой подсистемой;
🔸 For Iterator Subsystem — цикл с фиксированным числом итераций внутри шага моделирования;
🔸 While Iterator Subsystem — цикл до выполнения заданного условия;
🔸 For Each Subsystem — обработка элементов вектора или массива без ручного построения одинаковых ветвей схемы.

На практике эти блоки помогают решать задачи, которые неудобно реализовывать обычной потоковой схемой. Например, выполнить несколько последовательных уточняющих расчетов за один шаг моделирования, организовать поэлементную обработку массива данных или запускать отдельную часть модели только при наступлении определенного события.

Многие разработчики впервые сталкиваются с такими подсистемами при работе с алгоритмами обработки сигналов, цифровыми системами управления или различными вычислительными процедурами, где важен не только поток данных, но и порядок выполнения операций.

В проекте собраны небольшие самостоятельные примеры для каждого типа подсистемы, поэтому его удобно использовать не только как демонстрацию возможностей Engee, но и как справочник, к которому можно вернуться при разработке собственных моделей.

📂 Ссылка на учебный проект:
https://engee.com/community/ru/catalogs/projects/spetsialnye-podsistemy-v-engee

🏆 Школа анализа инженерных данных 24.08

Релиз 26.7 – новое в июле ☀️🌊🍉

Друзья,

🌞 Июль подходит к концу. Для многих это время отпусков, поездок и коротких рабочих недель. Лето уже перевалило за середину, а впереди постепенно начинает вырисовываться насыщенная осень с новыми проектами, задачами и планами.

Но пока лето продолжается, мы подготовили очередное обновление Engee.

Самое важное:
⭐️Повышение общей производительности интерфейса;
⭐️Генерация кода для шин;
⭐️Глобальные решатели для физических сетей;
⭐️Статусы интеграций в клиентской программе Engee.Интеграции;
⭐️Поддержка инициализирующих уравнений в языке моделирования;
⭐️Поддержка Linux таргета;
⭐️Поддержка FMI/FMU экспорта;
⭐️Новый графический интерфейс на экране «РИТМ»;

А еще:
✅Новые блоки и функции в библиотеках Базовая, Навигация, Электричество, Смешанных сигналов, Гидравлики, Интерфейсы, РИТМ, Оборудование, ФАР, ЦОС, РЧ и др.
✅Поддержка функций EngeeDSP и EngeePhased в среде моделирования;
✅Инспектор данных: Отдельная ось Y для каждого сигнала;
✅Порядковые номера для выпадающих элементов масок блоков;
✅Доработанный алгоритм построения линий;
✅Новые статьи в Документации и новые Примеры;

Если хотите ознакомиться со всеми изменениями, обязательно загляните в раздел «Что нового 26.7».

Желаем вам хорошего завершения лета, интересных инженерных задач и времени на то, чтобы немного перевести дух перед осенью. По нашим ощущениям, впереди нас ждет очень насыщенный сезон — и мы уже готовим несколько больших анонсов.

Спасибо, что развиваете Engee вместе с нами! 💼

😎 P.S. Не забывайте регистрироваться в Школу Анализа Инженерных Данных!

🛠 Julia, MATLAB и Python в одной инженерной среде

В инженерных командах редко бывает так, что все работают на одном языке. Где-то исторически остался MATLAB, новые алгоритмы пишутся на Julia, а для анализа данных и сторонних библиотек используется Python.

Но какой язык лучше выбрать для вычислений? Хорошая новость в том, что в Engee ничего из этого выбирать не нужно. Все три языка могут работать вместе.

Недавно мы подготовили три материала, посвящённых этой теме.

➡️ Сравнение синтаксиса Julia, MATLAB и Python

Если приходится регулярно переключаться между языками, постоянно ловишь себя на мысли: "А как это пишется в MATLAB? А как в Python?"

Мы собрали для вас наиболее часто используемые конструкции в одном месте: работа с массивами и матрицами, линейная алгебра, функции, словари, исключения, ввод-вывод и многое другое. Пользуйтесь!

Например:

Поэлементное умножение
Julia: A .* B
MATLAB: A .* B
Python: A * B

Матричное умножение
Julia: A * B
MATLAB: A * B
Python: A @ B

Логическая индексация
Julia: A[A .> 0]
MATLAB: A(A>0)
Python: A[A>0]

➡️ Интеграция Julia, MATLAB и Python

Самое интересное — языки можно использовать совместно.
Например, передать массив из Julia в MATLAB:

x = rand(1000)

@mput x

mat"""
y = fft(x);
"""

@mget y

Или сразу обратиться к библиотеке NumPy:

np = pyimport("numpy")
np.mean(y)

В опубликованном проекте показана полноценная цепочка вычислений: Julia формирует исходные данные, MATLAB выполняет быстрое преобразование Фурье, Python анализирует результат через NumPy, после чего данные возвращаются обратно в Julia. Всё это происходит внутри одного проекта без экспорта файлов и ручной конвертации данных.

➡️ А что по производительности?

Заодно решили сравнить Julia, MATLAB и Python на нескольких типовых инженерных задачах.

В тест вошли:
• векторные вычисления на массивах из 10⁷ элементов;
• умножение матриц 5000×5000;
• решение СЛАУ размерностью 8000×8000;
• быстрое преобразование Фурье для 10⁷ отсчётов;
• численное интегрирование;
• метод Монте-Карло;
• решение уравнения теплопроводности.

Картина получилась вполне ожидаемой:
🔹На линейной алгебре Julia и MATLAB работают практически одинаково — обе используют высокооптимизированные BLAS/LAPACK.
🔹А вот там, где начинается большое количество последовательных вычислений — циклы, Монте-Карло, численные схемы, — Julia начинает заметно уходить вперёд. В некоторых задачах преимущество над MATLAB достигает порядка, а над Python — нескольких порядков.

Если вам интересны Julia, MATLAB или Python в инженерных расчётах — рекомендуем посмотреть все три материала. Они хорошо дополняют друг друга: сначала можно быстро найти нужную конструкцию, затем разобраться с интеграцией языков, а после посмотреть, как они ведут себя на реальных вычислительных задачах.

📎 Все материалы уже доступны в каталоге проектов сообщества Engee:
• Cравнение синтаксиса Julia, MATLAB и Python
• Интеграция Julia, MATLAB и Python
• Тестирование производительности: Julia, MATLAB, Python