前面的话
本文介绍如何在matlab的simulink中嵌入C语言进行多输入多输出的仿真；这样暂时脱离硬件平台的问题，快速验证算法的可行性，从而提高效率，总体来说，simulink挺香的，不过由于不可抗拒因素，在一些高校强行被ban，非常可惜，但是我相信我们最终会拥有比matlab更强大的软件。
目录
1 s-function
2 具体设置
2.1 输入输出
2.2 构建 S-Function
3 源码分析
4 相关测试
5 总结
1 s-function
S-function模块，位于Simulink/User-Defined Functions模块库中，它可以很方便的调用matlab脚本，即.m为后缀的文件，也可以调用c文件，进行多输入多输出(输入多个参数，返回多个参数)，即MIMO的系统；
那么就需要LEVEL-2的s-function，因此这里需要使用S-Function Builder来自定义需要输入的参数和输出的参数；
S-Function Builder2 具体设置
首先拖拽S-Function Builder到仿真文件中，并双击打开，可以看到具体的属性如下图所示；
属性一般初级的使用，这里有四个地方需要注意，已经在上图中标注出来；
后面将结合一个例子进行分析；
2.1 输入输出
首先设置文件名，本文设置为sfun_myc；
然后在输入和输出选项下有相关端口的属性选项，具体如下；
- Port name：端口名称，用户自己填写；
- Dimensions：数据的维度，这里有两种选项，分别是1-D和2-D；如果是1-D则表示输入向量，2-D则表示输入为矩阵；
- Rows：输入数据的行数；
- Columns：输入数据的列数；
- Complexity：输入的数据是实数还是复数，这里有real和complex这两个选项；
2.1.1 添加相应的输入信号
如下图所示；点击图标①，在Input ports的选项下，添加了u0，u1，u2和t，这四个输入信号的添加；
输入信号2.1.2 添加相应的输出信号
输出具体如下图所示；
输出信号2.2 构建 S-Function
设置成功之后，具体信息如下图所示；
文件列表模块图标如下图所示；
从上面两图可以看出，已经设置完成，点击Build生成S-Function对应的C程序，包括；
sfun_myc.c；在这文件中也可以进行对输出的修改；sfun_myc_wrapper.c；主要修改这个文件，下面具体再分析；
文件列表如下图所示；
文件列表3 源码分析
3.1 sfun_myc.c
sfun_myc.c是软件自动生成的文件，源码相对较长，占较大篇幅，暂时不贴，主要分析其中几个主要的函数；
在mdlOutputs函数会每过一个采样点（sample time）就被调用一次，在这里以及传入了我们之前定义好的四个参数，以及需要输出的三个参数；并且最终调用sfun_myc_Outputs_wrapper函数来处理输入和输出，具体如下所示；
static void mdlOutputs(SimStruct *S, int_T tid)
{
const real_T *u0 = (const real_T*) ssGetInputPortSignal(S,0);
const real_T *u1 = (const real_T*) ssGetInputPortSignal(S,1);
const real_T *u2 = (const real_T*) ssGetInputPortSignal(S,2);
const real_T *t = (const real_T*) ssGetInputPortSignal(S,3);
real_T *y0 = (real_T *)ssGetOutputPortRealSignal(S,0);
real_T *y1 = (real_T *)ssGetOutputPortRealSignal(S,1);
real_T *y2 = (real_T *)ssGetOutputPortRealSignal(S,2);
sfun_myc_Outputs_wrapper(u0, u1, u2, t, y0, y1, y2);
}
3.2 sfun_myc_wrapper.c
主要的逻辑是在这个函数中进行编写；源码太长，占较大篇幅，暂时不贴，主要分析其中几个主要的函数；
/* This sample sets the output equal to the input
y0[0] = u0[0];
For complex signals use: y0[0].re = u0[0].re;
y0[0].im = u0[0].im;
y1[0].re = u1[0].re;
y1[0].im = u1[0].im;
*/
上面的代码可以看到，u0为输入，y0和y1为输出；
在sfun_myc_Outputs_wrapper函数中进行修改，就可以得到：
这里用梯形速度曲线进行测试，具体如下；
/*
* Output functions
*
*/
void sfun_myc_Outputs_wrapper(const real_T *u0,
const real_T *u1,
const real_T *u2,
const real_T *t,
real_T *y0,
real_T *y1,
real_T *y2)
{
/* %%%-SFUNWIZ_wrapper_Outputs_Changes_BEGIN --- EDIT HERE TO _END */
/* This sample sets the output equal to the input
y0[0] = u0[0];
For complex signals use: y0[0].re = u0[0].re;
y0[0].im = u0[0].im;
y1[0].re = u1[0].re;
y1[0].im = u1[0].im;
*/
/* %%%-SFUNWIZ_wrapper_Outputs_Changes_END --- EDIT HERE TO _BEGIN */
int Am = u0[0];
int Vm = u1[0];
int Pf = u2[0];
int T = t[0];
int Ta = Vm/Am;
int Tm = (Pf - Am*Ta*Ta)/Vm;
int Tf = 2*Ta+Tm;
printf("%d\r\n",Tf);
//梯形
if(Tm>0){
if(T <= Ta){
y0[0] = 0.5*Am*T*T;
y1[0] = Am*T;
y2[0] = Am;
}else if(T<=(Ta+Tm)){
y0[0] = 0.5*Am*Ta*Ta + Vm*(T-Ta);
y1[0] = Vm;
y2[0] = 0;
}else if(T<=(Ta+Tm+Ta)){
y0[0] = 0.5*Am*Ta*Ta + Vm*Tm + 0.5*Am*(T-Ta-Tm)*(T-Ta-Tm);
y1[0] = Vm-Am*(T-Ta-Tm);
y2[0] = -Am;
}
}else{
//三角形
Ta = sqrt(Pf/Am);
if(T<Ta){
y0[0] = 0.5*Am*T*T;
y1[0] = Am*T;
y2[0] = Am;
}else{
y0[0] = 0.5*Am*Ta*Ta + 0.5*Am*(T-Ta)*(T-Ta);
y1[0] = Am*Ta - Am*(T-Ta);
y2[0] = -Am;
}
}
}
3.2 编译程序
编辑好相应的函数就可以开始编译程序；在matlab终端输入以下指令；
mex sfun_myc.c sfun_myc_wrapper.c
0 warning 0 errors
如果出现以下提示：错误使用 mex 未找到支持的编译器或 SDK。您可以安装免费提供的 MinGW-w64 C/C++ 编译器；请参阅安装 MinGW-w64 编译器。如需更多选项，请参阅http://www.mathworks.com/support/compilers/R2015b/win64.html。===
则需要先根据提示安装相应的编译器。
4 相关测试
仿真的框图如下所示；
仿真图写的是一个梯形速度曲线规划仿真算法，????????????，结果符合预期，开心。
输出结果5 总结
本文总结了在matlab的simulink中调用C语言进行仿真，但是还有很多问题没有考虑在内，需要读者进行举一反三，如果有别的问题也可以进行在文章下方进行评论。