Scilab简介

由于软件本身的稳定性有时间规律性，加之人们对于某个事物的接受需要一个过程，因此，一项软件或者技术可能出现较早，但成熟应用或者受到重视往往需要经过较长时间。

Scilab是一款较为知名的开源软件，从易用性和易安装性等方面考虑，可以作为工程师或科研工作者的一个重要手段，替换复杂的MATLAB。

MATLAB主要是基于数值式计算，MAPLE主要是基于符号式计算，SCILAB 则是由法国国家信息、自动化研究院(INRIA)开发的“开放源码”软件。SCILAB 一词源于英文“Scientific Laboratory”（科学实验室）词头的合并）。与MATLAB类似，SCILAB也是一种科学工程计算软件，可以很方便地实现各种矩阵运算与图形显示，能应用于科学计算、数学建模、信号处理、决策优化、线性/非线性控制等各个方面。它还提供可以满足不同工程与科学需要的工具箱，例如SCICOS，信号处理工具箱，图与网络工具箱等。

由于SCILAB的语法与MATLAB非常接近，熟悉MATLAB编程的人很快就会掌握SCILAB的使用。有意思的是，SCILAB提供的语言转换函数可以自动将用MATLAB语言编写的程序翻译为SCILAB语言。目前，SCILAB除了WINDOWS与NT版本外，还有多种UNIX或LINUX下的版本。

以下是两个方面对Scilab的简单介绍，其它复杂功能在此基础上非常容易读懂。

一.基本命令

Scilab主要针对向量和矩阵进行分析和运算，其基本命令主要围绕着与它们相关的内容展开。

简单数据处理

例1.生成向量和矩阵。

V = ones(1,120)

M = ones(5,5)

Scilab中生成矩阵和向量的方法有很多，例1中使用的是ones这个函数，生成全1元素的函数。还有zeros函数，生成全0元素的函数；rand函数，生成随机元素的函数。

例2.采用rand函数生成一个向量和矩阵，然后寻找其中的最大值和最小值。

V = rand(1,10)

M = rand(5,5)

max(M)

min(v)

对于常见的实验数据，通常采用向量来保存这些实验数据，实际中可以采用Scilab中的均值函数mean和标准方差函数stdev来分析这些实验数据。

例3.简单分析向量储存的实验数据。

mean(v)

stdev(v)

Scilab编程

为了便于统一维护和实现数据分析的独立性，通常针对一批数据的处理书写一个Scilab处理脚本。这个脚本的书写就是Scilab里面的编程，它的若干语句类似于C语言，具备很强的可操作性。采用这种方式使用Scilab，可以减少后期的维护难度，提高可复用性。

例4，列举一个典型的Scilab脚本的内容。

// Data

x = -1:0.1:1；

y = -1:0.1:1；

[X,Y] = meshgrid(x,y)；

Z = X.^2 + Y.^2；

// Plot

scf(14)；

clf(14)；

xset("colormap"，jetcolormap(4))；

surf(X,Y,Z)；

xlabel('X')；ylabel('Y')；zlabel('Z')；

上面列举的便是一个典型的Scilab编程脚本，里面包含了数据及其对数据的操作，每次只需要在Scilab的命令终端执行该脚本就可以得到相同的结果，并绘制出相应的图像，后续也可以修改该脚本，完成更复杂的任务。

矩阵运算

Scilab中基本的矩阵运算与Matlab类似，实际工程运用中可以大量使用算术操作或矩阵函数，简化数据分析和处理的困难。

二.2D网格

例1.对2D曲线的绘制，例如绘制图形，采用如下程序实现对曲线的绘制：

clear

x = linspace(-5,5,51)；

y = 1 ./(1+x.^2)；

plot(x,y,'o-b')；

绘制出来的基本二维曲线为：

例2.在例1的基础上增加如下语句，添加2D曲线的网格。

xgrid(5,1,7)

在计算流体力学(CFD)和核反应堆计算中经常需要绘制2D情况下的流函数分布和中子通量分布，这时需要使用Sgrayplot函数。

 例3，使用Sgrayplot绘制二维平面的流函数分布。已知二维平面均匀化的网格点上的流函数值，采用矩阵方式进行存放，将使用Scilab内置的Sgrayplot函数来进行绘制。

zm = min(FV)；zM = max(FV)

xset("colormap",jetcolormap(64))

colorbar(zm,zM)

Sgrayplot(x,y,FV)

相应的二维平面流函数分布如下图所示。

实质上Scilab一开始设计便是贴近MATLAB，所以其脚本编程或者图形界面都是模仿的MATLAB。MATPLOTLIB采用脚本语言进行数据可视化操作，注重的是对数据的高效存储和可视化。Scilab则更加强调对数据的操作和处理，可视化仅仅是其一方面。在使用Scilab的时候仅仅需要利用它对各类数据进行数值分析和处理，或者利用第三方功能包来完成某个特定领域的仿真计算。近年来流行R语言及其工具，更多面向数理统计方面，但很多情况下Scilab涵盖了这些功能，一般的数据处理依赖于Scilab和MATPLOTLIB就足够了。

版权声明：转载请附上原文链接：
https://blog.csdn.net/betterlord/article/details/51723725