matlab使用App designer生成可独立运行的app

语言：matlab（2019b）

需求：建立标准模型+生成独立运行的app

我用的是神经网络模型，不管是用Neural Net Fitting还是自己编写的语言建模型都可以 

步骤1：确定模型

第一种在Neural Net Fitting中生成标准模型

点击MATLAB Function生成一个mat文件，里面有神经网络模型的确定好的参数以及计算过程，可以用来sim（预测新数据），保存好，在接下来的APP designer中粘贴就可使用

第二种是自己编写语言，在确定模型的性能满足要求后，会生成一个net文件，在命令行中输入genFunction(net)，点击edit neural_function，会生成一个mat文件，和第一种一样，里面有神经网络模型的确定好的参数以及计算过程，可以用来sim（预测新数据），保存好，在接下来的APP designer中粘贴就可使用。

 

步骤2：生成APP

点击APP——设计APP，就会来到APP designer页面，APP页面的设计根据自己的需求不同而不同，

我的APP界面如下所示

即通过输入指标1和指标2的信息，点击预测，就可以得到指标3，所以就需要给预测这个按钮添加回调函数

回调函数的代码如下：

            zhibiao1 = app.zhibiao1.Value;
            zhibiao2 = app.zhibiao2.Value;
            x1 = [zhibiao1;zhibiao2];
%%%%%%%%%%下面就是复制之前保存的mat文件
             % Map Minimum and Maximum Input Processing Function
        function y = mapminmax_apply(app,x,settings)
            y = bsxfun(@minus,x,settings.xoffset);
            y = bsxfun(@times,y,settings.gain);
            y = bsxfun(@plus,y,settings.ymin);
        end
       
        function a = tansig_apply(app,n,~)
        a = 2 ./ (1 + exp(-2*n)) - 1;
        end
      
       % Map Minimum and Maximum Output Reverse-Processing Function
        function x = mapminmax_reverse(app,y,settings)
            x = bsxfun(@minus,y,settings.ymin);
            x = bsxfun(@rdivide,x,settings.gain);
            x = bsxfun(@plus,x,settings.xoffset);
        end
        
            
            % Input 1
            x1_step1.xoffset = [0;0];
            x1_step1.gain = [0.08;18];
            x1_step1.ymin = -1;
            
            % Layer 1
            b1 = [4.8697254287099784875;-2.4882560824952739686;-0.36923234375395630469;-1.6479640937456923044;0.076033540942494731718;1.7768178470712105987;-2.1749711342434334682;-1.2800683739258014171;-8.1453336571734453742];
            IW1_1 = [-2.9658698356906483262 1.4152827550382862665;1.1778160715591086127 2.9835128429731812005;4.5396727325931678365 -1.4436246781382722215;5.798451185034708466 -3.9341452607258244889;0.99776959019748212576 -1.9661747213104450172;-3.353972426038168031 -5.6016376738435234017;-0.86845333187114648332 -1.4712339145509327754;0.82382489179520568268 0.68267387824753422709;-7.2570357014649244931 5.0437917571569110819];
            
            % Layer 2
            b2 = 0.29345702936620149393;
            LW2_1 = [0.21030797287596961209 -0.0082297989762547540948 -0.31226881060498956622 0.053153450790120918001 0.18463368434364510473 0.11205284882480856523 1.1050240221821621134 0.26372241694958975522 -0.075607567410209949865];
            
            % Output 1
            y1_step1.ymin = -1;
            y1_step1.gain = 0.00859811885827281;
            y1_step1.xoffset = -2.22067035483374;
            
            % ===== SIMULATION ========
            
            % Dimensions
            Q = size(x1,2); % samples
            
            % Input 1
            xp1 = mapminmax_apply(app,x1,x1_step1);
            
            % Layer 1
            a1 = tansig_apply(app,repmat(b1,1,Q) + IW1_1*xp1);
            
            % Layer 2
            a2 = repmat(b2,1,Q) + LW2_1*a1;
            
            % Output 1
            y1 = mapminmax_reverse(app,a2,y1_step1);
%%%%%%%%%%%%%设置返回指标3的值
       
             app.shelf_life.Value = y1;

可以再加入一个初始值的设定，点击组件浏览器——回调——StartupFcn

  app.zhibiao1.Value = 0;
  app.zhibiao2.Value = 0;
  app.zhibiao3.Value = 240

步骤3打包程序

在命令窗口中输入applicationCompiler，这里可以选择软件的图标，保存路径，独立于matlab运行与否等等

添加程序，点击Package

然后等待就可以了

是不是超简单&&&&&&&&hhhhhh