企业官网建设流程全解析

1. 项目概述：为什么我们需要自定义仪表盘？

在工业控制、汽车电子、航空航天以及各类实时监控系统中，仪表盘是操作员与复杂系统交互的核心窗口。无论是监控发动机转速、电池电量，还是追踪一个复杂算法的收敛状态，一个直观、精准的仪表盘都能极大地提升工作效率和决策速度。然而，无论是MATLAB App Designer内置的仪表组件，还是Simulink Dashboard库里的标准仪表，都常常面临一个尴尬：它们要么太“通用”而缺乏专业感，要么无法满足特定的视觉或交互需求。比如，你想设计一个具有非线性刻度的温度计、一个带有安全阈值色带的转速表，或者一个模仿经典飞机仪表的复合显示器，标准控件往往力不从心。

这正是“Creating Custom Gauges”（创建自定义仪表盘）这个项目的核心价值所在。它不是一个简单的UI美化教程，而是一套从底层逻辑到顶层实现的方法论，旨在赋予开发者完全自主的仪表设计能力。通过MATLAB强大的图形对象系统和面向对象编程，我们可以摆脱预制控件的束缚，从坐标轴上一个简单的圆弧和指针画起，构建出任何你能想象到的仪表形态。这个过程不仅关乎美观，更关乎功能：如何将后台的实时数据（可能来自Simulink仿真、硬件串口或数据文件）精准、高效、低延迟地映射到前台的视觉元素上，并实现平滑的动画效果。对于从事算法开发、系统仿真和测控系统设计的工程师来说，掌握这项技能，意味着你能为你的模型和系统打造独一无二的“驾驶舱”，让数据开口说话。

2. 核心设计思路：从数据到视觉的映射架构

自定义仪表盘的本质，是建立一个从数据域到图形域的可靠映射管道。这个设计思路决定了仪表是否准确、高效和易于维护。

2.1 分层架构设计

一个健壮的自定义仪表盘应采用清晰的分层架构，这有助于分离关注点，方便后续的修改和复用。

图形渲染层：这是最底层，直接与MATLAB的图形系统（如axes,line,patch,text等对象）交互。这一层负责定义仪表的所有静态视觉元素：表盘背景、刻度线、刻度标签、指针、色带、数字显示窗等。关键在于使用hgtransform对象对相关图形元素进行分组，以便对整个指针或刻度盘进行统一的旋转、平移变换。

数据映射层：这是核心逻辑层。它定义了一个或多个“量程”（Range）到“图形变换参数”（如旋转角度、平移距离、颜色值）的映射函数。例如，将发动机转速从[0, 8000] RPM映射到指针旋转角度[0, 270]度。这一层需要处理线性映射、非线性映射（如对数刻度）、以及多段映射（不同区间对应不同颜色或形状）。

数据接口层：这是与外部世界通信的桥梁。它负责从数据源（如Simulink.root.Outport、timer定时器读取的变量、或回调函数传入的参数）获取最新数值，并调用数据映射层的函数，将数值转换为图形层可理解的指令。

交互与控制层（可选）：对于高级仪表，可能需要支持用户交互，如通过点击仪表设定目标值、拖拽指针等。这一层负责监听鼠标事件，并将用户输入转换为数据，再反向驱动仿真或系统。

注意：在初始设计时，务必先绘制静态的、处于“零点”或“中间值”状态的完整仪表。确保所有元素位置正确、比例协调后，再添加动态更新逻辑。切勿边写更新代码边调整图形，这会导致逻辑混乱。

2.2 对象封装与复用策略

对于需要多次使用的仪表类型，强烈建议将其封装成MATLAB类（classdef）。一个基础的仪表类可能包含以下属性（properties）和 方法（methods）：

• 属性：

  • Parent：父容器（如figure,uipanel）。
  • Position：仪表在父容器中的位置和大小。
  • Limits：数据量程[min, max]。
  • Value：当前值。
  • Axes：承载图形的坐标轴句柄。
  • Needle：指针的hgtransform对象句柄。
  • ScaleLabels：刻度标签的文本句柄数组。

• 方法：

  • 构造函数：初始化图形元素，创建静态表盘。
  • updateValue(newVal)：公共方法，更新仪表显示值。内部会调用私有方法_mapValueToAngle进行计算，然后更新指针变换矩阵。
  • _drawBackground()：私有方法，绘制表盘、刻度。
  • _createNeedle()：私有方法，创建指针图形对象。

通过类封装，你可以像使用标准UI组件一样创建仪表：myGauge = CustomGauge(parent, position, limits);，并通过myGauge.updateValue(2500);来更新它。这极大地提升了代码的模块化和项目可维护性。

3. 核心细节解析与实操要点

3.1 图形基元的选择与性能优化

MATLAB提供了多种低级图形对象，选择合适的是保证性能和效果的关键。

• patchvslinevssurface：

  • patch：用于填充多边形区域，是绘制扇形表盘、色带区块、复杂指针形状的最佳选择。可以通过定义Faces和Vertices来创建任意形状，并通过设置FaceColor和EdgeColor控制样式。
  • line：用于绘制刻度线、指针轴线（如果指针是简单的线）、外框等。对于大量短线段（如密集刻度），一次性绘制一条由多个点构成的line比绘制多个单独的line对象性能高得多。
  • surface：在需要极高性能或复杂纹理映射时使用，例如绘制一个带金属光泽的3D风格表盘。但对于大多数2D仪表，patch已足够。

• 坐标轴（axes）的精心设置：

  • 使用axis equal确保图形不会因容器缩放而变形。
  • 使用axis off隐藏坐标轴边框和刻度，因为我们自己绘制一切。
  • 设置axes的XLim和YLim为一个固定的、方便计算的逻辑范围（如[-1.5, 1.5]）。所有图形元素的顶点坐标都基于此逻辑范围计算，这样旋转和缩放更容易控制。

• 变换对象（hgtransform）的魔力： 这是实现指针旋转的核心。不要直接计算并重绘指针每个点的坐标。正确做法是：

  1. 在“零点”位置（如指向-90度）绘制好指针的patch或line。
  2. 将其Parent属性设置为一个hgtransform对象。
  3. 当需要旋转到角度theta时，计算一个旋转矩阵：R = makehgtform('zrotate', deg2rad(theta))。
  4. 更新hgtransform对象的Matrix属性：set(hNeedleTransform, 'Matrix', R)。 MATLAB的图形系统会自动处理重绘，效率远高于删除旧对象再创建新对象。

3.2 刻度与标签的自动生成算法

手动放置每个刻度标签是低效且容易出错的。应编写一个函数根据量程和刻度间隔自动生成位置和文本。

function [tickLines, tickLabels] = createScale(ax, limits, majorStep, minorStep, startAngle, endAngle) % ax: 坐标轴句柄 % limits: [min, max] % majorStep: 主刻度间隔 % minorStep: 次刻度间隔 % startAngle, endAngle: 刻度弧起止角度（度） % 计算主刻度值和角度 majorVals = limits(1):majorStep:limits(2); majorAngles = linspace(startAngle, endAngle, length(majorVals)); % 计算次刻度值和角度 minorVals = limits(1):minorStep:limits(2); minorAngles = linspace(startAngle, endAngle, length(minorVals)); % 绘制刻度线（这里以line为例，实际可用patch画更粗的线） hold(ax, 'on'); for i = 1:length(majorAngles) ang = deg2rad(majorAngles(i)); % 计算刻度线起点（半径r1）和终点（半径r2） x = [cos(ang)*r1, cos(ang)*r2]; y = [sin(ang)*r1, sin(ang)*r2]; plot(ax, x, y, 'k-', 'LineWidth', 2); % 主刻度线粗 end for i = 1:length(minorAngles) if ~ismember(minorVals(i), majorVals) % 避免与主刻度重合 ang = deg2rad(minorAngles(i)); x = [cos(ang)*r1, cos(ang)*r2*0.9]; y = [sin(ang)*r1, sin(ang)*r2*0.9]; plot(ax, x, y, 'k-', 'LineWidth', 1); % 次刻度线细 end end % 添加刻度标签 tickLabels = gobjects(1, length(majorVals)); for i = 1:length(majorVals) ang = deg2rad(majorAngles(i)); labelRadius = r2 * 1.1; % 标签在刻度线外侧 x = cos(ang) * labelRadius; y = sin(ang) * labelRadius; tickLabels(i) = text(ax, x, y, sprintf('%.0f', majorVals(i)), ... 'HorizontalAlignment', 'center', 'VerticalAlignment', 'middle'); end end

3.3 色带（Color Band）的动态绘制

色带用于直观显示安全区间、警告区间和危险区间。其核心是根据数据值动态改变某块扇形区域的颜色。

1. 静态绘制色带区域：在初始化时，为每个区间（如[0,60]绿色，[60,90]黄色，[90,100]红色）绘制一个扇形patch。初始颜色设置为对应区间的颜色，但将其Visible属性设为'off'，或者将其FaceAlpha设为0。
2. 动态更新策略：在updateValue函数中，判断当前值落在哪个区间。然后，将对应区间的色带patch高亮显示（'Visible'设为'on'或FaceAlpha设为0.3），同时将其他区间的色带隐藏或淡化。更高级的做法是，根据数值在区间内的位置，进行颜色的线性插值，实现平滑过渡。

实操心得：色带的patch顶点计算要稍微超出刻度弧范围，并置于表盘背景层和刻度线层之间，这样看起来是“在表盘上”而不是“浮在最上面”。可以通过调整patch的绘制顺序（uistack函数）或Children属性顺序来控制图层叠放关系。

4. 实操过程：构建一个经典的模拟转速表

让我们一步步实现一个具有非线性视觉效果的270度扇形模拟转速表，包含主/次刻度、色带和数字显示窗。

4.1 步骤一：初始化图形窗口与坐标轴

function gauge = createTachometer() % 创建图形窗口和面板 fig = figure('Name', 'Custom Tachometer', 'NumberTitle', 'off', ... 'Position', [100, 100, 500, 500], 'Resize', 'off'); mainPanel = uipanel(fig, 'Position', [0, 0, 1, 1], 'BorderType', 'none'); % 创建用于绘图的坐标轴 ax = axes('Parent', mainPanel, 'Units', 'normalized', 'Position', [0.1, 0.1, 0.8, 0.8]); axis(ax, 'equal'); axis(ax, 'off'); hold(ax, 'on'); % 设置逻辑坐标范围，方便计算 ax.XLim = [-1.2, 1.2]; ax.YLim = [-1.2, 1.2]; % 存储句柄到结构体，方便后续传递 gauge.fig = fig; gauge.ax = ax; gauge.components = struct(); % 用于存放所有图形对象句柄

4.2 步骤二：绘制静态表盘背景与刻度

% 1. 绘制表盘背景（一个灰色的圆环） theta = linspace(0, 2*pi, 100); outerR = 1.0; innerR = 0.85; X_bg = [cos(theta)*outerR, cos(flip(theta))*innerR]; Y_bg = [sin(theta)*outerR, sin(flip(theta))*innerR]; gauge.components.bg = patch(ax, X_bg, Y_bg, [0.95, 0.95, 0.95], ... 'EdgeColor', [0.5, 0.5, 0.5], 'LineWidth', 1.5); % 2. 绘制刻度弧（从-135度到135度，总共270度） startAngle = -135; endAngle = 135; arcTheta = linspace(deg2rad(startAngle), deg2rad(endAngle), 300); arcX = cos(arcTheta) * outerR; arcY = sin(arcTheta) * outerR; plot(ax, arcX, arcY, 'k-', 'LineWidth', 2); % 3. 调用之前编写的createScale函数生成刻度线和标签 limits = [0, 8000]; majorStep = 1000; minorStep = 200; [~, tickLabelHandles] = createScale(ax, limits, majorStep, minorStep, startAngle, endAngle); gauge.components.tickLabels = tickLabelHandles; % 4. 绘制色带（绿色安全区，黄色警告区，红色危险区） % 绿色区间 [0, 5000] theta_green = linspace(deg2rad(startAngle), deg2rad(startAngle + (5000/8000)*270), 50); X_green = [cos(theta_green)*innerR, fliplr(cos(theta_green)*0.92)]; Y_green = [sin(theta_green)*innerR, fliplr(sin(theta_green)*0.92)]; gauge.components.bandGreen = patch(ax, X_green, Y_green, [0, 0.8, 0], ... 'EdgeColor', 'none', 'FaceAlpha', 0.2); % 黄色区间 [5000, 7000] (计算角度偏移) angle_at_5000 = startAngle + (5000/8000)*270; angle_at_7000 = startAngle + (7000/8000)*270; theta_yellow = linspace(deg2rad(angle_at_5000), deg2rad(angle_at_7000), 50); X_yellow = [cos(theta_yellow)*innerR, fliplr(cos(theta_yellow)*0.92)]; Y_yellow = [sin(theta_yellow)*innerR, fliplr(sin(theta_yellow)*0.92)]; gauge.components.bandYellow = patch(ax, X_yellow, Y_yellow, [1, 0.8, 0], ... 'EdgeColor', 'none', 'FaceAlpha', 0.2); % 红色区间 [7000, 8000] angle_at_8000 = endAngle; theta_red = linspace(deg2rad(angle_at_7000), deg2rad(angle_at_8000), 50); X_red = [cos(theta_red)*innerR, fliplr(cos(theta_red)*0.92)]; Y_red = [sin(theta_red)*innerR, fliplr(sin(theta_red)*0.92)]; gauge.components.bandRed = patch(ax, X_red, Y_red, [0.8, 0, 0], ... 'EdgeColor', 'none', 'FaceAlpha', 0.2);

4.3 步骤三：创建指针与数字显示窗

% 1. 创建指针（一个细长的三角形）及其变换对象 % 指针顶点（初始指向-135度，即0 RPM位置） needleVerts = [0, 0.05; 0.7, 0.02; 0.7, -0.02; 0, -0.05]'; % 原点在圆心 needleFaces = [1, 2, 3, 4]; gauge.components.needleTransform = hgtransform('Parent', ax); gauge.components.needle = patch('Parent', gauge.components.needleTransform, ... 'Faces', needleFaces, 'Vertices', needleVerts', ... 'FaceColor', [0.8, 0, 0], 'EdgeColor', 'k', 'LineWidth', 0.5); % 在指针中心加一个圆形盖帽 rectangle('Parent', gauge.components.needleTransform, ... 'Position', [-0.03, -0.03, 0.06, 0.06], 'Curvature', [1,1], ... 'FaceColor', [0.3, 0.3, 0.3], 'EdgeColor', 'k'); % 2. 创建数字显示窗（一个半透明的矩形背景和文本） displayBgPos = [-0.15, -0.25, 0.3, 0.1]; gauge.components.displayBg = patch(ax, ... [displayBgPos(1), displayBgPos(1)+displayBgPos(3), ... displayBgPos(1)+displayBgPos(3), displayBgPos(1)], ... [displayBgPos(2), displayBgPos(2), ... displayBgPos(2)+displayBgPos(4), displayBgPos(2)+displayBgPos(4)], ... [0.1, 0.1, 0.1], 'FaceAlpha', 0.7, 'EdgeColor', 'none'); gauge.components.displayText = text(ax, 0, -0.2, '0', ... 'FontSize', 16, 'FontWeight', 'bold', 'Color', 'white', ... 'HorizontalAlignment', 'center', 'VerticalAlignment', 'middle'); % 存储仪表参数 gauge.limits = limits; gauge.startAngle = startAngle; gauge.endAngle = endAngle; gauge.currentValue = 0; % 为仪表对象添加更新函数 gauge.updateValue = @(newVal) updateGaugeValue(gauge, newVal); % 初始化指针位置 updateGaugeValue(gauge, 0); end

4.4 步骤四：实现动态更新函数

function updateGaugeValue(gauge, newVal) % 确保数值在量程范围内 newVal = max(gauge.limits(1), min(gauge.limits(2), newVal)); gauge.currentValue = newVal; % 1. 更新指针角度 % 线性映射：数值 -> 角度 angleRange = gauge.endAngle - gauge.startAngle; normalizedVal = (newVal - gauge.limits(1)) / (gauge.limits(2) - gauge.limits(1)); currentAngle = gauge.startAngle + normalizedVal * angleRange; % 创建旋转变换矩阵（绕Z轴） R = makehgtform('zrotate', deg2rad(currentAngle)); set(gauge.components.needleTransform, 'Matrix', R); % 2. 更新数字显示窗文本 set(gauge.components.displayText, 'String', sprintf('%.0f RPM', newVal)); % 3. （可选）根据数值高亮对应的色带 % 这里简单示例：根据数值改变数字颜色 if newVal < 5000 set(gauge.components.displayText, 'Color', [0, 0.8, 0]); % 绿色 elseif newVal < 7000 set(gauge.components.displayText, 'Color', [1, 0.8, 0]); % 黄色 else set(gauge.components.displayText, 'Color', [0.8, 0, 0]); % 红色 end % 强制刷新图形 drawnow limitrate; end

现在，你可以在命令行中测试这个仪表：

myTach = createTachometer(); for rpm = 0:100:8000 myTach.updateValue(rpm); pause(0.05); % 模拟实时数据更新 end

5. 与Simulink集成：实现实时数据可视化

自定义仪表盘最大的用武之地是与Simulink仿真模型联动，实现运行时的数据监控。

5.1 使用Dashboard API进行连接

MATLAB提供了dashboard包，允许以编程方式创建和连接自定义控件。但更直接的方式是使用Simulink.对象模型。

1. 在Simulink模型中标记信号：在模型中，右键点击你想监控的信号线，选择“Properties”，为其添加一个具有描述性的“Signal name”。假设我们将其命名为EngineRPM。
2. 获取运行时对象：在仿真运行前或运行中，获取模型的运行时对象。

   modelName = 'myEngineModel'; load_system(modelName); % 加载模型 simOut = sim(modelName, 'SimulationMode', 'normal'); % 开始仿真（或使用set_param开始） % 获取运行时对象（仿真运行时） rt = get_param(modelName, 'RuntimeObject'); % 但更常用的方法是在模型中使用Outport模块，然后通过根输出访问 % 假设EngineRPM信号连接到了Outport模块（端口号1）

3. 创建数据更新循环：使用一个timer定时器或Simulink的RuntimeObject回调，在仿真过程中定期读取信号值并更新仪表。

   function connectGaugeToSimulink(gaugeHandle, modelName, blockPath, outputPortIndex) % gaugeHandle: 我们的自定义仪表对象 % modelName: Simulink模型名 % blockPath: 信号源模块的完整路径，如 'myEngineModel/Engine/RPM_Calculator' % outputPortIndex: 该模块的第几个输出端口 % 创建一个定时器，每50ms更新一次 t = timer('ExecutionMode', 'fixedRate', 'Period', 0.05, ... 'TimerFcn', @(~,~) updateFromSimulink); start(t); function updateFromSimulink() try % 获取模型工作空间中的信号记录数据（如果使用To Workspace或Scope记录） % 或者，更实时的方法：使用get_param查询当前仿真时间点的信号值（需要模型在运行） if strcmp(get_param(modelName, 'SimulationStatus'), 'running') % 方法一：通过根输出端口获取（如果信号连接到了Outport） % 需要知道Outport的端口号 % currentVal = get_param([modelName '/Outport'], 'PortHandles'); % 这种方法较复杂 % 方法二（推荐）：使用Simulink.SimulationData.Dataset % 在模型配置中设置“Data Import/Export” -> “Format” 为 “Dataset” % 仿真后，数据在simOut.logsout中 % 但这是后处理，非实时。 % 对于真正的实时交互，考虑使用： % 1. S-Function 将数据推送到MATLAB基础工作区。 % 2. 使用Simulink的External Mode（外部模式）。 % 3. 将仪表逻辑封装成S-Function或MATLAB System Block，直接在模型内运行。 % 此处为演示，我们假设从一个基础工作区的变量读取 % 这个变量由模型的To Workspace模块写入，命名为'simRPM' if evalin('base', 'exist(''simRPM'', ''var'')') currentRPM = evalin('base', 'simRPM'); gaugeHandle.updateValue(currentRPM(end)); % 取最新值 end end catch ME % 处理错误，例如模型停止 disp(['Error updating gauge: ', ME.message]); stop(t); delete(t); end end end

重要提示：与Simulink的实时交互是高级话题，涉及仿真状态管理、数据流和性能。对于简单的监控，在模型中使用To Workspace模块将信号记录到变量（如simRPM），然后用一个独立的MATLAB定时器读取该变量的最新值并更新仪表，是最简单可行的方案。对于硬实时或高频率需求，则需要深入研究S-Function、External Mode或直接将仪表代码嵌入模型。

5.2 性能优化技巧

• 限制更新频率：对于变化很快的信号，不需要每个仿真步长都更新UI。使用drawnow limitrate或设置定时器周期（如50ms）来限制刷新频率，避免GUI卡顿。
• 批量更新图形属性：如果需要更新多个图形对象的属性（如多个仪表的指针），尽量使用set函数一次性传入多个句柄和值，这比循环调用set效率高。
• 避免在回调中执行繁重计算：数据映射和角度计算应尽可能简单。复杂的计算应在仪表初始化时完成（如预计算映射表）。
• 使用animatedline（对于轨迹图）：如果你需要在仪表旁增加一个随时间变化的趋势图，使用animatedline对象比不断plot新数据高效得多。

6. 常见问题与排查技巧实录

在实际开发自定义仪表盘时，你几乎一定会遇到下面这些问题。

6.1 指针抖动或跳变

• 现象：指针更新时不是平滑转动，而是偶尔跳到错误位置或轻微抖动。
• 排查：
  1. 检查数据源：首先确认输入给updateValue函数的数据流是否是连续、稳定的。在Simulink中，检查信号是否被离散化或存在噪声。可以在更新函数开头添加disp(newVal)打印数值观察。
  2. 检查映射计算：确认角度映射计算没有逻辑错误，特别是当数值接近量程边界时。确保normalizedVal被严格限制在[0, 1]之间。
  3. 图形对象父级关系：确保指针的patch对象的父级是hgtransform对象，而不是直接是坐标轴。错误的父级关系会导致变换失效。
  4. 绘图上下文：确保所有的图形更新操作都在拥有该坐标轴的同一MATLAB线程（通常是主线程）中执行。如果从并行池或定时器回调中直接更新图形，可能会引起冲突。使用drawnow或uiresume来同步。

6.2 仪表在窗口缩放或调整大小时变形

• 现象：拖拽图形窗口改变大小时，仪表图形被拉伸或压缩。
• 解决方案：
  1. 固定坐标轴比例：确保设置了axis(ax, 'equal')。这是最重要的。
  2. 使用Normalized单位：创建坐标轴(axes)和所有图形对象时，将其Units属性设置为'normalized'。这样，它们的位置和大小将相对于父容器（如图形窗口或面板）的比例，而非绝对的像素值。
  3. 响应大小改变事件：为图形窗口或父面板添加SizeChangedFcn回调。在回调函数中，你可以根据新的容器大小，动态计算并更新坐标轴的Position，使其始终保持正方形或所需的长宽比，然后可能还需要重新计算一些图形元素的位置（如数字显示窗）。更简单的方法是，将坐标轴放在一个uipanel中，并设置面板的Units为'normalized'，坐标轴的Position为[0,0,1,1]，然后通过调整面板的Position来控制仪表区域。

6.3 与Simulink连接时数据更新延迟或失败

• 现象：仪表不更新，或更新严重滞后于仿真。
• 排查步骤：
  1. 验证数据通路：在定时器的回调函数中，首先打印或显示你试图读取的数据值。确认它能正确获取到最新的仿真数据。
  2. 检查仿真状态：在读取数据前，检查get_param(modelName, 'SimulationStatus')是否返回'running'。如果仿真暂停或停止，应停止定时器。
  3. 数据格式问题：Simulink记录到基础工作区的数据可能是结构体、时间序列或数组。确保你正确提取了数值部分。例如，如果使用To Workspace模块默认输出为timeseries，则需要用simRPM.Data(end)来获取最新值。
  4. 定时器冲突：确保没有多个定时器在同时尝试更新同一个图形对象，这会导致不可预知的行为。
  5. 考虑使用add_exec_event_listener：这是一个更底层的Simulink API，允许你在仿真执行到特定阶段（如主要时间步结束时）触发回调函数。这能提供更精确的同步，但实现也更复杂。

6.4 自定义仪表类无法在App Designer中使用

• 现象：将封装好的MATLAB类仪表放入App Designer的uifigure中时，图形不显示或行为异常。
• 原因与解决：App Designer使用基于Web的UI组件，而传统的axes和patch是基于Java的figure。从R2018b开始，MATLAB引入了uiaxes来在App Designer中支持绘图。
  • 方法一（推荐）：在创建仪表类时，接受一个uiaxes句柄作为父容器输入，而不是创建自己的axes。确保所有底层图形函数（patch,line,text）都支持uiaxes（大多数都支持）。注意，hgtransform在uiaxes中的支持可能有限或行为略有不同，需测试。
  • 方法二：在App Designer中创建一个uipanel，然后将其'Units'设为'pixels'，再在其中创建一个传统的axes。这种方法绕开了uiaxes，兼容性好，但可能失去一些App Designer的现代特性。
  • 关键点：在App Designer的回调中更新仪表时，务必通过App对象属性来传递仪表句柄，避免使用global或persistent变量。

开发自定义仪表盘是一个融合了图形设计、数据交互和软件工程思维的实践。从绘制第一个静态的圆环开始，到实现一个与复杂仿真模型实时联动的动态监控界面，每一步的调试和优化都能加深你对MATLAB图形系统及实时系统设计的理解。我个人的经验是，先花时间把静态效果打磨完美，确保所有坐标计算准确无误，然后再小心翼翼地接入动态数据流，这样能避免很多令人头疼的调试过程。当你看到自己设计的仪表随着系统的状态流畅地转动时，那种成就感是使用任何预制控件都无法比拟的。