摘要：結合實例詳細介紹了LabVIEW通過ActvieX自動化技術與MATLAB進行混合編程，達到了利用MATLAB優化算法庫的目的。將LabVIEW與MATLAB有機結合，是一條開發智能虛擬儀器的有效途徑。
關鍵詞：LabVIEW語言 MATLAB ActiveX自動化 虛擬儀器
LabVIEW建立在易于使用的圖形數據流編程語言——G語言上，大大簡化了過程控制和測試軟件的開發。MATLAB以其強大的科學計算功能、大量穩定可靠的算法庫，已在為數學計算工具方面事實上的標準。但才者各有欠缺，利用混合編程可以相互補充。
MATLAB是MathWorks公司開發的“演算紙”式的程序設計語言。它提供了強大的矩陣運算和圖形處理功能，編程效率高，幾乎在所有的工程計算領域都提供了準確、高效的工具箱。但MATLAB也有不足之處，例如界面開發能力較差，并且數據輸入、網絡通信、硬件控制等方面都比較繁瑣。
美國NI公司推出的LabVIEW語言是一種非常優秀的面向對象的圖形化編程語言。LabVIEW是實驗室虛擬儀器集成環境（Laboratory Virtual Instrument Engineering Workbench）的簡稱，是一個開放型的開發環境，使用圖標代替文本代碼創建應用程序，擁有大量與其它應用程序通信的VI庫。例如LabVIEW使用自動化ActiveX、DDE和SQL，可與其它Windows應用程序集成；使用DataSocket技術、Web Server、TCP/IP和UDP網絡Vis，與遠程應用程序通信。在對硬件的支持方面，LabVIEW集成了與GPIB、VXI、PXI、RS-232/485、PLC和插入式數字采集設備等進行數據通信的全部功能。在LabVIEW下開發的程序稱為虛擬儀器VI（Virtual Instrument），因為其外形和操作可以模擬實際的儀器。在對各種算法的支持方面，LabVIEW的工具箱非常有限，這就限制了大型應用程序的快速開發。
鑒于LabVIEW和MATLAB的優點，本文介紹了通過ActiveX技術，在LabVIEW(Ver6.1)中調用和操作MATLAB（Ver6.5）的方法，實現LabVIEW和MATLAB的混合編程，充分發揮兩者的優勢。

1 基本原理
ActiveX自動化是基于組件對象模型COM（Component Object Model）的技術，允許應用程序或組件控制另一個應用程序或組件的運行，它包括自動化服務器和自動化控制器。MATLAB支持ActiveX自動化技術。通過使用MATLAB自動化服務器功能，可以在其它應用程序中執行MATLAB命令，并與MATLAB的工作空間進行數據交換。因此可以借助這一特性，把LabVIEW與MATLAB結合，充分利用MATLAB提供的大量高效可靠的算法和LabVIEW的圖形化編程能力，混合開發出功能強大的應用軟件。
2 應用舉例
在混合編程中，通常用LabVIEW設計用戶圖形界面，負責數據采集和網絡通信；MATLAB在后臺提供大型算法供 LabVIEW調用。
2.1 方法一：使用MATLAB Script節點
為了簡化調用過程，LabVIEW提供了MATLAB Script節點。LabVIEW使用ActiveX技術執行該節點，啟動一個MATLAB進程。這樣用戶就可以很方便地在自己的LabVIEW應用程序中使用MATLAB，包括執行MATLAB命令、使用功能豐富的各種工具箱，如神經網絡工具箱（Neural Network Toolbox）、優化工具箱（Optimization Toolbox）。值得注意的是：LabVIEWgn MATLAB之間的數據通信僅支持Real、RealVector、RealMatrix、Complex、VectorComplex、Matrix六種格式的數據，且必須根據具體情況進行選擇。
當開發涉及工業控制的應用程序時，常常由于控制參數的非線性變化，而無法建立合適的模型。由于此類問題，神經網絡提供了一條有效的解決途徑。
在LabVIEW開發環境下新建一個三層BP神經網絡的VI程序，程序框圖見圖1。網絡結構部分主要設置隱層（Hidelay）神經元的個數、傳遞函數（Transfer Function）以及網絡訓練算法（Algorithm）。經過樣本數據（Training Data）訓練過的網絡，即可進行仿真測試了。MATLAB腳本程序可以在MATLAB環境下調試，再使用MATLAB Script節點導入MATLAB腳本；也可以直接在MATLAB Script節點中編寫。位于Function>>Mathematics>>Formula模板中的MATLAB Script節點可以導入MATLAB腳本。圖1中的腳本程序使用CASE語句進行傳遞函數和訓練算法的選擇。MATLAB Script節點中神經網絡的輸入層和隱層之間的權值矩陣inweight應指定為RealMatrix，在LabVIEW中對應的數據類型是二維實數據組Net.I-Weight。各變量數據類型見表1。

在此程序中，得到的BP網絡各層的權值矩 陣、閾值向量和傳遞函數三類參非常有用的，它們決定了神經網絡的結構與特性。因此當神經網絡訓練好后，可以直接使用這些參數處理新的數據，得到預測值，而不必重新調用MATLAB。這樣程序的運行效率會更高。另一方面，將調試好的神經網絡VI創建成一個子VI，作為模塊保存，當需要更新網絡時，可以隨時調用。
雖然通過MATLAB Script節點進行通信比較易于實現，但以這種方式調用MATLAB時，在任務欄中將出現一個MATLAB圖標，單擊該圖形會打開MATLAB窗口，在其中可以任意輸