首页/资讯中心/详情

Simulink模型复杂度可视化：基于桑基图的模块数量统计与分析

Simulink模型复杂度可视化：基于桑基图的模块数量统计与分析
📅 发布时间：2026/6/24 19:22:51

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API（find_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{end+1} = root; sankeyData.target{end+1} = subsysName; sankeyData.value(end+1) = 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{end+1} = root; sankeyData.target{end+1} = [‘Type: ‘, typeNamesRoot{j}]; sankeyData.value(end+1) = typeCountsRoot(j); end end end

3.3 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 end

4. 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”。