20 промтов для MATLAB и Simulink: ускоряем обработку сигналов и генерацию кода без рутины

Инженеры тратят до 60% времени на рутинные задачи: написание скриптов, настройку параметров, документирование. В MATLAB и Simulink это особенно заметно: каждое изменение модели требует пересчёта, каждый эксперимент — нового кода. Но есть способ ускорить цикл разработки в разы — использовать промты для AI-ассистентов, которые пишут код за вас.

В этой подборке — 12 проверенных промтов, которые я сам применяю в работе. Они охватывают моделирование, обработку сигналов, генерацию кода и отладку. Каждый промт сопровождается примером и пояснением. Вы сможете адаптировать их под свои задачи и сэкономить часы рутины.

1. Генерация кода для обработки сигналов

Промт: «Напиши MATLAB-скрипт для фильтрации зашумленного сигнала: примени фильтр Баттерворта 4-го порядка с частотой среза 100 Гц, построй АЧХ и график сигнала до/после.»

Пример использования: Вы получаете готовый скрипт с butter, filter, freqz. AI сгенерирует код и объяснит выбор параметров.

fs = 1000; t = 0:1/fs:1; x = sin(2*pi*50*t) + 0.5*randn(size(t));
[b,a] = butter(4, 100/(fs/2));
y = filter(b,a,x);
freqz(b,a); figure; plot(t,x,t,y); legend('Зашумленный','Отфильтрованный');

2. Автоматическое создание Simulink-модели

Промт: «Сгенерируй Simulink-модель для системы управления двигателем постоянного тока с ПИД-регулятором. Параметры: Kp=1.2, Ki=0.5, Kd=0.01. Добавь осциллографы для скорости и тока.»

AI создаст add_block, add_line, настроит параметры. Вы сэкономите 30–40 минут ручной сборки.

3. Парсинг и анализ данных из Excel/CSV

Промт: «Напиши функцию для импорта данных из CSV, где первый столбец — время, остальные — сигналы. Проведи спектральный анализ (FFT), найди доминирующие частоты и построй спектрограмму.»

function analyzeCSV(filename)
    data = readmatrix(filename);
    t = data(:,1); signals = data(:,2:end);
    for i = 1:size(signals,2)
        L = length(t); Fs = 1/mean(diff(t));
        Y = fft(signals(:,i));
        P2 = abs(Y/L); P1 = P2(1:L/2+1); P1(2:end-1) = 2*P1(2:end-1);
        f = Fs*(0:(L/2))/L;
        plot(f,P1); title(['Сигнал ',num2str(i)]);
    end
end

4. Генерация C-кода из Simulink

Промт: «Как настроить Simulink Coder для генерации оптимизированного C-кода для встраиваемой системы? Какие параметры конфигурации изменить для уменьшения размера кода?»

AI подскажет: Solver > Fixed-step, Code Generation > Interface, Optimization > Remove root level I/O. Это ускоряет подготовку к прошивке.

5. Отладка ошибок в Simulink

Промт: «Модель Simulink выдаёт ошибку "Derivative of state '1' in block '...' is not finite". Как найти причину и исправить?»

AI предложит проверить начальные условия, шаг решателя, наличие алгебраических циклов. Даст конкретные шаги диагностики.

6. Автоматизация тестирования моделей

Промт: «Создай скрипт для запуска симуляции Simulink-модели с разными значениями параметра Kp (от 0.1 до 2 с шагом 0.1) и сохрани результаты в массив. Построй график зависимости перерегулирования от Kp.»

Kp_values = 0.1:0.1:2;
overshoot = zeros(size(Kp_values));
for i = 1:length(Kp_values)
    set_param('model/PID', 'P', num2str(Kp_values(i)));
    simOut = sim('model');
    overshoot(i) = max(simOut.yout{1}.Values.Data) - 1;
end
plot(Kp_values, overshoot); xlabel('Kp'); ylabel('Перерегулирование');

7. Генерация документации к модели

Промт: «Напиши скрипт, который проходит по всем блокам Simulink-модели и создаёт отчёт в HTML с указанием типов блоков, параметров и связей.»

Используйте find_system, get_param. AI сгенерирует код, который автоматически документирует модель — экономия часов при сдаче проекта.

8. Оптимизация параметров с помощью AI

Промт: «Предложи метод оптимизации параметров ПИД-регулятора для минимизации времени переходного процесса. Напиши скрипт, использующий fminsearch.»

AI предложит целевую функцию и код. Вы сможете быстро настроить регулятор без ручного перебора.

9. Конвертация MATLAB-кода в Simulink

Промт: «Преобразуй этот MATLAB-код в модель Simulink: [вставить код]. Используй блоки MATLAB Function, Gain, Sum.»

AI разобьёт код на блоки и подскажет, как соединить. Ускоряет переход от скриптов к визуальному моделированию.

10. Работа с Signal Processing Toolbox

Промт: «Как использовать вейвлет-преобразование для удаления шума из ЭКГ-сигнала? Напиши пример с wdenoise.»

AI даст код и объяснит выбор вейвлета. Подходит для биомедицинских приложений.

11. Автоматическое создание тестовых сигналов

Промт: «Сгенерируй тестовый сигнал, состоящий из суммы синусоид с частотами 50, 120 и 300 Гц, с добавлением белого шума. Построй график и спектр.»

fs = 2000; t = 0:1/fs:0.5;
x = sin(2*pi*50*t) + 0.5*sin(2*pi*120*t) + 0.2*sin(2*pi*300*t) + 0.1*randn(size(t));
plot(t,x); title('Тестовый сигнал');

12. Интеграция с Python

Промт: «Как вызвать Python-функцию из MATLAB для машинного обучения? Напиши пример с py.sklearn.»

AI покажет, как настроить окружение и передать данные. Это расширяет возможности анализа.

Сравнение эффективности

Рекомендации

• Всегда проверяйте сгенерированный код: AI может ошибаться в синтаксисе.
• Используйте промты как шаблоны, адаптируйте под свои данные.
• Для сложных моделей разбивайте задачу на части.

Эти промты помогут вам автоматизировать рутину и сосредоточиться на инженерных решениях. Попробуйте применить их в следующем проекте — и вы удивитесь, насколько быстрее пойдёт работа. Делитесь своими находками в комментариях!