1. 项目概述为什么我们需要可视化Simulink模型的模块数量当你面对一个由成百上千个模块构成的复杂Simulink模型时那种感觉就像站在一个巨大的乐高城市面前却不知道它究竟用了多少块积木。作为工程师我们经常需要评估模型的复杂度、进行代码生成前的静态检查或者仅仅是为了向团队汇报时能有一个直观的印象。手动去数这显然不现实也容易出错。而“Visualizing the number of blocks in a Simulink model”这个需求正是为了解决这个痛点——它不仅仅是统计一个数字更是要将这个数字背后的结构、层级和分布用一种直观、可视化的方式呈现出来。传统的Model Advisor报告或者简单的find_system命令计数只能给出一个干巴巴的总数。但一个包含10个子系统的模型和一个包含100个原子子系统的模型其复杂度和维护成本是天差地别的。可视化尤其是像桑基图Sankey Diagram这样的流图能够清晰地展示模块在不同层级、不同类型之间的流动与分布让你一眼看出模型的“重量”集中在何处哪些子系统是“巨无霸”哪些模块类型如Gain, Sum, MATLAB Function被频繁使用。这对于模型架构优化、团队分工和性能评估都至关重要。2. 核心思路与方案选型从计数到洞察实现这一目标核心思路可以分解为三个层次数据提取、数据处理和数据可视化。我们需要从Simulink模型中提取出所有模块的元数据然后按照我们的分析维度如层级、类型进行聚合统计最后选择合适的图表库将统计结果图形化。2.1 数据提取深入Simulink对象模型Simulink提供了完整的APIfind_system,get_param来访问模型内部结构。我们的目标不仅仅是获取顶层模块列表而是要遍历整个模型层次结构获取每个模块的详细信息。关键属性包括BlockType: 模块的核心类型如SubSystem,Gain,Sum,Inport。Parent: 模块的父系统路径这是构建层级关系的关键。Name: 模块名称。MaskType: 如果模块被封装Masked其封装类型。一个常见的误区是只使用find_system(model, ‘SearchDepth’, 1)来获取顶层模块。对于可视化而言我们需要的是全深度遍历。更高效的做法是使用find_system(model, ‘LookUnderMasks’, ‘all’, ‘FollowLinks’, ‘on’, ‘SearchDepth’, Inf)。这里有几个关键参数‘LookUnderMasks’, ‘all’: 确保能查看到封装子系统内部的模块。‘FollowLinks’, ‘on’: 跟踪库链接统计实际使用的库模块实例。‘SearchDepth’, Inf: 无限深度搜索遍历所有层级。这样获取的列表包含了从根模型到最底层原子模块的所有对象。2.2 数据处理与聚合构建关系图谱获取原始列表后我们得到的是一个“扁平”的模块路径列表。为了可视化我们需要将其转换为一个“图”结构特别是层级树结构和模块类型分布。1. 构建层级关系每个模块的Parent属性定义了它的归属。我们可以通过解析模块路径例如‘mymodel/Subsystem1/Subsystem2/Gain’来构建一棵树。根节点是模型本身每一层子系统都是中间节点最终的叶子节点是非子系统模块如Gain, Sum。统计时我们既需要每个子系统内部直接包含的模块数不包括其子子系统内的模块也需要其包含的所有模块总数递归包含子子系统内的模块。这个区别对于定位“胖”子系统非常重要。2. 按类型聚合除了层级模块类型是另一个关键维度。我们可以统计每种BlockType出现的频次。这对于评估模型风格很有用——例如一个充满MATLAB Function模块的模型其生成的代码可能比一个使用基础运算模块的模型更难以优化。3. 生成桑基图数据桑基图擅长展示流量或数量在多个维度间的流动。对于我们的场景可以设计一个“源-层-目标”的流源Source 模型根节点或上一级子系统。层Layer 当前子系统层级。目标Target 下一级子系统或最终的模块类型。值Value 模块数量。例如一条流可以表示从“根模型”源到“控制器子系统”目标有50个模块值。另一条流表示在“控制器子系统”内部有20个模块流向了“Gain”这种类型目标。2.3 可视化方案选型为什么是桑基图常见的可视化图表有饼图、柱状图、树状图等。为什么桑基图Sankey Diagram在这里尤其合适表达关系与占比桑基图能同时表达模块的层级归属关系和数量多少流量宽度一目了然地看到模块数量如何在各层级间“流动”和“沉积”。揭示主要路径图中最粗的线条自然指向模块数量最集中的子系统或类型便于快速定位复杂度核心。支持多级分析可以轻松展示从根模型到最终模块类型的多级细分过程。实现上我们可以在MATLAB环境中使用graph对象结合plot函数进行基础绘制但定制桑基图较复杂。更强大的方案是使用JavaScript库如D3.js生成交互式图表或利用MATLAB的web函数将HTML页面嵌入其中。一个折中且高效的方法是使用开源的MATLAB绘图函数例如从File Exchange获取的sankey函数或者转向Python生态使用plotly库它提供了优秀的桑基图支持并且可以通过MATLAB的Python接口调用。注意在选择可视化工具时需要考虑交付物形式。如果需要在MATLAB报告或GUI中直接显示MATLAB原生方案更集成如果需要生成可交互的网页报告分享给团队基于Web的技术栈D3.js, Plotly更合适。3. 核心实现步骤详解下面我将以一个具体的实例展示从模型到桑基图的全流程。假设我们有一个名为VehicleModel.slx的车辆控制系统模型。3.1 步骤一提取模型元数据我们首先编写一个MATLAB函数来提取并结构化数据。function [blockTable, hierarchyList] extractBlockInfo(modelName) % 打开模型不打开图形界面节省时间 load_system(modelName); % 获取所有模块的句柄和路径 allBlocks find_system(modelName, ... ‘LookUnderMasks’, ‘all’, ... ‘FollowLinks’, ‘on’, ... ‘SearchDepth’, Inf, ... ‘Type’, ‘block’); % 预分配结构 numBlocks length(allBlocks); blockType cell(numBlocks, 1); parentPath cell(numBlocks, 1); blockName cell(numBlocks, 1); blockPath allBlocks; % 遍历获取属性 for i 1:numBlocks blk allBlocks{i}; blockType{i} get_param(blk, ‘BlockType’); parentPath{i} get_param(blk, ‘Parent’); % 从完整路径中提取本模块名 [~, name] fileparts(blk); blockName{i} name; end % 创建表格便于分析 blockTable table(blockPath, blockType, parentPath, blockName, ... ‘VariableNames’, {‘Path’, ‘Type’, ‘Parent’, ‘Name’}); % 构建一个简化的层级列表用于后续树形分析 % 找出所有唯一的父路径即所有子系统包括根模型 uniqueParents unique(parentPath); hierarchyList struct(‘Parent’, {}, ‘DirectChildren’, {}, ‘TotalChildren’, {}); for i 1:length(uniqueParents) parent uniqueParents{i}; % 找出直接父路径为该路径的模块 isDirectChild strcmp(parentPath, parent); directChildren blockTable(isDirectChild, :); hierarchyList(i).Parent parent; hierarchyList(i).DirectChildren directChildren; % TotalChildren需要递归计算这里先占位 hierarchyList(i).TotalChildren []; end % 关闭模型清理工作区 close_system(modelName, 0); end这个函数返回两个主要结果blockTable包含了每个模块的详细信息hierarchyList初步构建了层级结构。3.2 步骤二数据处理与统计接下来我们需要计算每个子系统的模块总数递归并聚合模块类型。function [sankeyData, typeStats] processForSankey(blockTable, hierarchyList) % 计算每个父系统的递归模块总数包含所有子孙模块 % 这是一个递归或基于路径前缀匹配的运算 parentList {hierarchyList.Parent}; totalCounts zeros(size(parentList)); for i 1:length(parentList) parent parentList{i}; % 统计所有路径以 parent 开头的模块即属于该子系统及其子系统的所有模块 % 注意根模型的Parent是空字符串需要特殊处理 if isempty(parent) pattern ‘^[^/]$’; % 匹配根模型下的顶层模块 else pattern [‘^’, regexptranslate(‘escape’, parent), ‘/[^/]$’]; end % 更稳健的方法是检查路径前缀 isUnderParent strncmp(blockTable.Path, parent, length(parent)); % 还需要排除父系统自身如果它也在blockTable中通常是SubSystem类型 isSelf strcmp(blockTable.Path, parent); totalCounts(i) sum(isUnderParent ~isSelf); end % 将总数写回 hierarchyList for i 1:length(hierarchyList) hierarchyList(i).TotalChildren totalCounts(i); end % 聚合模块类型统计 [typeGroups, ~] findgroups(blockTable.Type); typeCounts splitapply(length, blockTable.Type, typeGroups); typeStats table(unique(blockTable.Type), typeCounts, ... ‘VariableNames’, {‘BlockType’, ‘Count’}); typeStats sortrows(typeStats, ‘Count’, ‘descend’); % 按数量降序排列 % 准备桑基图数据简化示例构建从根到一级子系统再到类型的流 % 假设我们只分析第一层子系统 root bdroot(blockTable.Path{1}); topLevelSubsystems blockTable(strcmp(blockTable.Parent, root), :); topLevelSubsystems topLevelSubsystems(strcmp(topLevelSubsystems.Type, ‘SubSystem’), :); % 只取子系统 sankeyData.source {}; sankeyData.target {}; sankeyData.value []; % 流1从根模型到各个一级子系统 for i 1:height(topLevelSubsystems) subsysName topLevelSubsystems.Name{i}; % 查找该子系统的递归模块总数 subsysPath topLevelSubsystems.Path{i}; idx find(strcmp(parentList, subsysPath)); if ~isempty(idx) count hierarchyList(idx).TotalChildren; sankeyData.source{end1} root; sankeyData.target{end1} subsysName; sankeyData.value(end1) count; end end % 流2从根模型直接到模块类型即根层级的非子系统模块 rootBlocks blockTable(strcmp(blockTable.Parent, root) ~strcmp(blockTable.Type, ‘SubSystem’), :); if ~isempty(rootBlocks) [typeGroupsRoot, typeNamesRoot] findgroups(rootBlocks.Type); typeCountsRoot splitapply(length, rootBlocks.Type, typeGroupsRoot); for j 1:length(typeNamesRoot) sankeyData.source{end1} root; sankeyData.target{end1} [‘Type: ‘, typeNamesRoot{j}]; sankeyData.value(end1) typeCountsRoot(j); end end end3.3 步骤三可视化呈现这里展示使用MATLAB File Exchange上一个流行sankey函数需提前下载添加到路径的示例。假设我们已经得到了sankeyData。function createSankeyChart(sankeyData) % 假设 sankeyData 包含 source, target, value 三个字段的单元格数组 sources sankeyData.source; targets sankeyData.target; values sankeyData.value; % 创建标签列表 labels unique([sources, targets]); % 将源和目标转换为索引 [~, sourceIdx] ismember(sources, labels); [~, targetIdx] ismember(targets, labels); % 调用sankey函数第三方函数语法可能有所不同此处为示例 % 请根据实际下载的sankey函数文档调整参数 figure(‘Position’, [100, 100, 1200, 800]); sankey([sourceIdx; targetIdx; values’], ‘Labels’, labels); title(‘Simulink Model Block Distribution Sankey Diagram’, ‘FontSize’, 14); xlabel(‘Hierarchy / Type’); ylabel(‘Flow Width Proportional to Block Count’); end如果使用Plotly通过MATLAB的Python接口代码会更简洁且图形更交互function createSankeyWithPlotly(sankeyData) % 确保已安装并配置了MATLAB的Python接口且安装了plotly pe pyenv; if pe.Status ~ “Loaded” pyenv(‘Version’, ‘your_python_executable_path’); end % 转换为Python数据类型 sourceList py.list(sankeyData.source); targetList py.list(sankeyData.target); valueList py.list(sankeyData.value); % 创建Plotly桑基图 trace py.plotly.graph_objects.Sankey(... pyargs(‘node’, py.dict(pyargs(‘label’, py.list(unique([sankeyData.source, sankeyData.target])))), ... ‘link’, py.dict(pyargs(‘source’, sourceList, ‘target’, targetList, ‘value’, valueList)) ... )); fig py.plotly.graph_objects.Figure(pyargs(‘data’, trace)); fig.update_layout(pyargs(‘title_text’, “Simulink Block Count Flow”, ‘font_size’, 10)); % 在MATLAB图形窗口中显示需要plotly的MATLAB渲染器或保存为HTML htmlFile ‘block_sankey.html’; fig.write_html(htmlFile); web(htmlFile, ‘-new’); % 在浏览器中打开 end4. 高级技巧与深度分析4.1 处理模型引用与库链接在复杂的工程环境中模型引用Model Reference和库链接Library Links非常常见。我们的统计方法需要决定是否以及如何计算它们。模型引用Model类型的模块。find_system默认不会深入引用模型内部。如果你希望统计被引用模型内部的模块需要使用‘ModelReferenceInstance’, ‘on’等更深入的搜索选项或者递归地加载并分析每个被引用的.slx文件。这会使分析时间变长但结果更全面。库链接FollowLinks参数已经处理了大部分情况。但需要注意断开链接Unlinked的实例和普通模块无异而已链接的实例其底层BlockType可能指向库中的原始类型。统计时通常我们关心的是实例化的类型而不是库源所以保持‘FollowLinks’, ‘on’是合理的。实操心得对于超大型项目首次全深度分析可能非常耗时。一个优化策略是分阶段进行先快速扫描获取子系统结构和主要类型生成一个概览图再针对感兴趣的“重量级”子系统进行深度分析。可以将中间结果如blockTable保存为.mat文件避免重复分析。4.2 定义模块的“逻辑数量”并非所有模块在复杂度上是等价的。一个包含大量算法的MATLAB Function模块其逻辑复杂度可能远超十个Constant模块。我们可以引入“权重”的概念进行加权统计。 例如Constant,Ground: 权重 0.5非常简单Gain,Sum,Relational Operator: 权重 1标准MATLAB Function,Stateflow Chart,S-Function: 权重 3 或 5高复杂度SubSystem(非原子): 权重 0但其内部模块权重递归计算。SubSystem(原子): 权重 2并计算内部。然后在统计value时不使用模块个数而使用加权和。这样生成的桑基图反映的是“逻辑复杂度”的流动而不仅仅是物理数量。4.3 与模型度量Model Metrics集成MATLAB R2020b之后提供了更专业的Simulink.ModelMetrics类来获取模型度量数据。它可以提供更标准化的复杂度指标如圈复杂度Cyclomatic Complexity、层次深度等。我们可以将自定义的可视化与官方度量结合起来。% 获取模型度量 metrics Simulink.ModelMetrics(‘VehicleModel.slx’); metrics.gather; % 访问特定度量如模块数 blockCount metrics.getMetric(‘Simulink’, ‘NumberOfBlocks’).Value; % 可以将其作为一个数据点与我们的可视化结果进行对比验证。我们的可视化工具可以作为这些标准度量的一个图形化、细粒度的补充视图。5. 常见问题与排查技巧实录在实际操作中你可能会遇到以下典型问题1. 问题find_system执行速度非常慢尤其是对于大型模型。排查检查搜索深度和选项。‘SearchDepth’, Inf和‘LookUnderMasks’, ‘all’是主要耗时原因。解决分而治之先以较浅的深度如1或2分析顶层结构再针对大型子系统单独分析。缓存结果首次分析后将blockTable保存到磁盘。只有当模型文件时间戳改变时才重新分析。使用并行计算如果分析多个独立模型或子系统可以考虑使用parfor。关闭图形更新在脚本开始处使用set_param(0, ‘ModelBrowserVisibility’, ‘off’);和set_param(modelName, ‘Dirty’, ‘off’);可能有一定帮助。2. 问题生成的桑基图线条杂乱节点重叠难以阅读。排查数据源过多流太细碎。解决数据聚合不要展示所有模块类型。只聚合展示前10种最多的类型将剩余的归为“Other”。对于子系统层级可以设置一个模块数量阈值例如少于总模块数1%的子系统不单独显示合并到“其他子系统”。分层可视化制作多张图。第一张是模型到一级子系统的流点击某个子系统节点在交互式图表中可以下钻Drill-down生成该子系统内部到其子子系统或模块类型的第二张图。调整布局参数Plotly和D3.js的桑基图通常有节点排序、间距调整的参数需要仔细调参。3. 问题统计的模块总数与Simulink界面左下角显示的数字不一致。排查这是最常见的问题。Simulink状态栏显示的计数通常不包括某些“隐藏”模块如Import,Outport,TriggerPort等或者对模型引用、库链接的处理方式不同。解决明确你的统计口径。我们的方法 (find_system(..., ‘Type’, ‘block’)) 是最全面的。要模拟Simulink的计数可能需要过滤掉BlockType为‘Import’,‘Outport’,‘TriggerPort’,‘EnablePort’的模块。关键在于在报告结果时注明你的统计规则。4. 问题处理包含大量“注释”Annotation或“区域”Area的模型时这些对象被误统计为模块。排查find_system的‘Type’参数设置为‘block’时本应只搜索模块。但有时注释的某些属性可能被误识别。确保你的循环中get_param(blk, ‘BlockType’)获取到的是有效的模块类型。解决在构建blockTable后可以增加一个过滤步骤排除已知的非功能模块类型虽然标准的注释不是模块。更安全的方法是只统计Simulink.Block对象但这需要更底层的对象操作。5. 问题自定义模块或第三方库模块的BlockType显示为‘SubSystem’无法区分。排查封装Mask模块的BlockType仍然是‘SubSystem’但其‘MaskType’属性会显示封装类型名。解决在统计时优先使用MaskType如果不为空否则使用BlockType。这样可以将自定义的‘PID Controller’、‘Motor Driver’等与普通子系统区分开来使可视化更具工程意义。% 在提取信息的循环中 blk allBlocks{i}; maskType get_param(blk, ‘MaskType’); if ~isempty(maskType) effectiveType maskType; % 使用封装类型 else effectiveType get_param(blk, ‘BlockType’); % 使用基础模块类型 end blockType{i} effectiveType;可视化Simulink模型的模块数量从一个简单的计数需求出发可以延伸为一个强大的模型分析与沟通工具。它让不可见的复杂度变得可见让架构评审和优化决策有了直观的数据支撑。我个人的经验是将这套流程脚本化、工具化集成到团队的持续集成CI流程中每次模型有重大更新时自动生成一份可视化报告对于控制模型质量、防止复杂度无序增长非常有帮助。你可以从本文提供的基础代码出发根据自己项目的特定需求比如加入定制权重、集成更多度量、美化图表输出进行扩展打造属于你自己的模型健康度“仪表盘”。