简介本资源是一套开箱即用的Matlab电机MAP绘制程序面向电机控制工程师、电驱动系统研发人员及高校相关方向研究生解决实际项目中电机效率、转矩、电流等多维性能数据难以高效可视化的问题。压缩包共3个文件116KB包含核心Matlab脚本.m用于自动读取与插值绘图、Excel格式的原始MAP数据表.xlsx便于替换自定义测试数据、以及生成的高分辨率效率热力图示例.png供效果参考。已有196人学习下载脚本已适配多种常见电机数据结构支持surf三维曲面、contour等高线、fill填充等多种绘图模式无需修改即可绘制转速-转矩平面下的效率/损耗/电流分布图并内置坐标轴标注、色条标定、插值平滑等工程实用功能显著降低MAP图从数据到图表的实现门槛。 搞电机或者电驱系统的人日常打交道最多的图除了那些时间轴上的波形曲线恐怕就是这张“转速-转矩-效率”的MAP图了。刚入行那阵子我拿到台架测试返回的一大堆数据点用scatter散点图糊弄了几版结果被做系统匹配的同事吐槽说“你这图没法看效率区域糊成一团根本没法对比方案”。后来痛定思痛仔细把Matlab绘图的底层逻辑捋了一遍写了一套通用绘制程序。这篇就把这套程序的设计思路和完整实现拆开讲清楚尤其是怎么让同一套代码不仅能画电机MAP还能秒切到电池内阻MAP、逆变器损耗MAP这些乱七八糟的二维数据场。1. 先搞清楚电机MAP图的本质一张图背后是三个维度的数据我见过不少新手拿到电机MAP图时的第一反应这不就是个漂亮的彩色云图吗确实视觉上它像个云图但如果你只把它当云图画那大概率画出来的东西只是“好看”而无法承载工程判断。电机MAP图在工程上有个更严谨的名字叫效率等高线图或效率云图本质上是用二维平面上的颜色变化来表达第三个维度的数值大小。1.1 MAP图的数据结构别再把XYZ散点直接怼进绘图函数具体到Matlab里电机MAP图的标准数据形态是X轴为转速通常单位是rpm也有用rad/s的Y轴为转矩单位是Nm平面上每一个坐标点对应一个效率值0到1或者0到100%。这里有个非常容易踩的坑。如果你从试验台架直接读取数据得到的一般是类似下面这种的表格式散点数据转速(rpm)转矩(Nm)效率(%)1000082.310002088.510004090.12000080.220002091.4这种表格式的离散点数据直接plot或scatter是画不出“面”的效果的。你真正需要的是一个二维矩阵行对应转矩、列对应转速或者反过来也行矩阵里的值才是效率。换句话说散点数据必须先插值网格化变成类似转速向量 R [1000, 2000, 3000, 4000, 5000]; 转矩向量 T [0, 20, 40, 60, 80, 100]; 效率矩阵 E [82.3, 80.2, ...; 88.5, 91.4, ...;]这种矩阵格式Matlab的pcolor、contourf、imagesc这类函数才能直接吃进去。1.2 为什么“完美绘制任何类型的数据”这个目标值得追求标题里写了“完美绘制任何类型的数据”这句不是噱头。电驱动系统开发过程中需要画这种二维色图的地方多得超乎想象电机效率MAP转速×转矩×效率最经典的一张图看高效区是否覆盖主工况区。电机损耗MAP转速×转矩×总损耗铜耗铁耗机械损耗做散热分析和峰值能力判断用。电池内阻MAPSOC×温度×内阻BMS策略标定时必看低温低SOC时内阻会飙升直接影响放电功率限制。逆变器损耗MAP转速×转矩×IGBT损耗配合电机损耗可以算系统级效率。NVH噪音MAP转速×转矩×声压级或者阶次幅值做噪音优化时用往往要求很高的分辨率。这些图的物理含义天差地别但落到绘图层面数据结构却几乎完全一致——都是X轴向量、Y轴向量、Z值二维矩阵。所以只要把这套数据规范定义好一套绘图程序完全可以通吃。我个人写这套程序时定的目标是输入转速向量、转矩向量和效率矩阵输出一张“能直接贴进技术报告”的图。也就是说坐标轴刻度要科学、颜色条要明确、等效率线要清晰、外特性边界要体现最好还能一键切换显示模式。2. 数据输入的坑三分画图七分数据整理写绘图程序之前最需要花心思设计的其实是“如何把数据整理成程序能直接接收的格式”。实测中来自台架、仿真、整车实测的数据格式千变万化如果不做预处理绘图代码里就得塞一堆条件分支既不优雅也容易出bug。2.1 三种典型输入格式的统一坐标轴策略我最终把输入格式统一成了三种模式分别对应不同来源的数据在程序开头做一个标准化预处理模式A完整矩阵输入。数据本身就是网格化的转速向量R、转矩向量T、效率矩阵Esize为length(T)×length(R)齐全。这种情况最容易直接绘图即可。模式B散点列表输入。从试验数据文件读出来的是三列长数据每行对应一个工况点转速、转矩、效率工况点可能覆盖不全甚至没有覆盖完整网格。这种情况必须做网格重建和插值。模式C矩阵行列坐标输入。部分数据采集系统导出的是完整矩阵但只附带起始值、步长等坐标信息。比如转速从500rpm到10000rpm步长500rpm共20个点转矩从-100Nm到300Nm步长50rpm共9行需要用linspace或冒号运算符生成坐标向量再拼接。模式B比较关键这里放一个我实际在用的散点转网格的代码片段function [R_grid, T_grid, E_grid] map_data_prepare(R_raw, T_raw, E_raw, R_vec, T_vec, method) % 将散点数据映射到规则网格 % R_raw: 散点转速数据 (N×1) % T_raw: 散点转矩数据 (N×1) % E_raw: 散点效率数据 (N×1) % R_vec: 目标转速网格向量 (1×M) % T_vec: 目标转矩网格向量 (1×K) % method: 插值方法linear / nearest / cubic [R_grid, T_grid] meshgrid(R_vec, T_vec); % 注意scatteredInterpolant要求输入为列向量 F scatteredInterpolant(R_raw(:), T_raw(:), E_raw(:), method, linear); % 外插值设置成NaN避免外特性边界外出现虚假数据 F.ExtrapolationMethod none; E_grid F(R_grid, T_grid); % 将没有数据的区域外特性以外设为NaN避免画出色块 E_grid(isnan(E_grid)) NaN; endscatteredInterpolant是处理这种散点数据最顺手的工具比老版的griddata在性能和可控性上都强出一截。有一点值得注意外插值一定要设成none。如果保留默认的线性外插那些没测到的高速大转矩区域会被插值出一些假效率值画进图里就会出现远超实际范围的异常色块。2.2 转速和转矩轴的网格梯度设计很多人在绘制MAP图时忽略了一个细节——电机台架测试的转速点和转矩点往往不是均匀分布的。比如低速工况点密一些高速稀疏一些转矩在小转矩区密一些大转矩区稀疏一些。直接用原始测试点做网格pcolor画出来的格子会宽窄不一色块边缘参差不齐。我的做法是从原始测试数据里抽取唯一的转速值、转矩值升序排列作为目标网格。不额外插值加密。比如测试有21个转速点、19个转矩点生成的效率矩阵就是19×21每个格子代表真实测试区域边界清晰。这样画出的图不会因为过度插值而“显得精度很高”但它忠实反映了原始数据密度。另外网格要做“边缘补点”否则pcolor的色块边界会缩进一圈。pcolor的色块本质上画的是网格单元如果直接用测得的离散值画边缘那半个格子是被截断的。解决办法是在转速和转矩向量的首尾各补一个虚拟点值可以取相邻点的值或者干脆取相邻点的外推值。% 边缘补点 R_plot [R_vec(1) - (R_vec(2)-R_vec(1)), R_vec, R_vec(end) (R_vec(end)-R_vec(end-1))]; T_plot [T_vec(1) - (T_vec(2)-T_vec(1)), T_vec, T_vec(end) (T_vec(end)-T_vec(end-1))]; % 对应补两行两列的数据这一步虽然看起来简单但没有它图片边缘就会有一条明显的“白边”贴到报告里特别掉档次。3. 选对绘图函数与配色pcolor、contourf、imagesc到底该用哪个Matlab里能画二维色图的函数不少imagesc、imagesc、pcolor、contourf、surf都能干这事但每个函数的行为差异是实打实的。选错函数轻则图难看重则数据表达失真。这里把我用下来的经验按场景对比一下。3.1 pcolor是电机MAP绘制的首选原因pcolor的逻辑是“以网格点为中心把相邻点用色块填充”。它天然适配电机MAP这类数据——每个网格点都有真实的物理测量或仿真计算值色块边界恰好就是试验工况点的边界。跟contourf相比pcolor不会对数据做任何光滑或重建是“所见即所得”。但pcolor有两个经典副作用默认带网格线尤其当网格点很多时色块之间会出现白色细线视觉上乱。解决办法是设shading interp对颜色做插值或shading flat去掉网格线。边缘截断前面提到的需要边缘补点。我的做法是直接用pcolor(R_plot, T_plot, E_plot)然后紧跟一句shading interp。这样输出平滑无网格线颜色过渡自然。figure; h pcolor(R_plot, T_plot, E_plot); set(h, EdgeColor, none); shading interp;shading interp会对每个网格单元做双线性颜色插值出来的视觉效果比shading flat细腻很多尤其适合效率MAP这种渐变数据。3.2 等效率线的叠加逻辑与层级控制光有云图还不够工程上还要叠等效率线。比如判断95%高效区的边界在哪、高效区是否覆盖常用巡航工况这时候就需要contour叠加在pcolor之上。contour和contourf的选择逻辑要分清contourf画的是填充等高线如果叠在pcolor上它会用色块覆盖掉底下的云图除非设透明度否则会遮住底层信息一般不用于叠加场景。contour只画线条不填充适合叠加在pcolor上。我的标准做法是hold on; [C, hContour] contour(R_vec, T_vec, E_grid, [80, 85, 90, 92, 94, 95, 96], k, LineWidth, 0.8); clabel(C, hContour, FontSize, 8, Color, [0.3 0.3 0.3], LabelSpacing, 250);clabel是自动标注等高线数值的函数LabelSpacing参数控制标注沿曲线的间隔单位是点。我设250左右标注不会太密也不会太疏。等高线的线条颜色用黑色线宽0.8既不喧宾夺主又能清晰读值。如果你觉得全黑线条太沉闷也可以用深灰色。3.3 配色方案决定图的“可读性”这几个colormap值得反复用电机MAP这类的数据配色方案是有讲究的。默认的parula比较均衡蓝到黄但从工程阅读习惯来说我更偏向用jet系列加限制或者用新版Matlab推荐的turbo。turboMatlab R2020b之后的turbo色图颜色分布均匀视觉上比jet柔和高亮区域不刺眼。作为效率MAP的默认选择没问题。jet经典彩虹色红橙黄绿青蓝紫从低到高直觉对应“冷到热”。但jet有个毛病——颜色亮度不单调红和蓝两端亮度反而高中间绿色亮度低人眼对颜色的感知不均匀。做报告用jet会被视觉设计师吐槽如果你只给自己看倒是无所谓。parulaMatlab默认色图蓝黄渐变色觉障碍人士也能分辨。但用在效率MAP上蓝色低效率区域和黄色高效率区域对比度偏弱尤其在投影上看不清晰。我测试下来最适合电机效率MAP的是双色拼接colormap高效率区用红色系红-橙-黄低效率区用蓝色系深蓝-浅蓝中间白色过渡。这种配色在工程报告里辨识度极高。实际实现是用colormap函数拼接两个色彩空间或者用ColorThreshold做一个自定义色图。% 自定义双色colormap白-蓝渐变 白-红渐变 cmap_blue [linspace(1, 0.2, 64), linspace(1, 0.4, 64), linspace(1, 0.8, 64)]; cmap_red [linspace(1, 0.9, 64), linspace(0.8, 0.2, 64), linspace(0.8, 0.2, 64)]; cmap [cmap_blue; cmap_red(2:end, :)]; colormap(cmap);这段代码的意思是前半段从纯白渐变到深蓝色后半段从纯白渐变到深红色。这样效率从低到高颜色由蓝变白再变红中间白区分明一眼就能看出高效区。这个配色我用了很久贴到任何报告里都显得专业。4. 一套代码画出“任何类型的数据”从电机MAP到电池、NVH数据的通用化设计写一套程序最忌“画死了”——就是代码只适配电机效率数据换个数据源就要大改。所以在设计阶段就要想好通用化策略。我这套程序的接口参数如下基本做到了数据类型无关。4.1 通用绘图函数的接口设计function hFig plot_map_2d(R_vec, T_vec, Z_mat, varargin) % 通用二维色图绘制MAP图 % 输入参数 % R_vec - X轴坐标向量例如转速 % T_vec - Y轴坐标向量例如转矩 % Z_mat - Z值矩阵维度为 length(T_vec)×length(R_vec) % 可选参数Name-Value形式 % zlabel : Z轴标签默认 Z % xlabel : X轴标签默认 X % ylabel : Y轴标签默认 Y % title : 图标题默认空 % levels : 等高线层级向量默认 [80 85 90 92 94 95 96] % clabel : 是否显示等高线标注默认 true % cmap : colormap名称或自定义矩阵默认 turbo % nan_color: 数据为NaN区域的填充颜色默认 [1 1 1] % xscale : linear 或 log默认 linear % mask_threshold : 低于该阈值的区域置为NaN可选项这里想重点说的是mask_threshold参数的设计。电机MAP图里转矩为零附近或外特性边界外实际上没有稳态工况点这些区域往往是插值出的“空数据”。如果你不做遮盖图上会出现一大片低效率的蓝色甚至影响色标的自动范围。所以我在通用接口里加了阈值遮盖功能效率低于某个值时把对应位置设置为NaN绘图时自动变成白色或指定颜色。这样画出来的图只显示有效工况区干净利落。4.2 数据规范化自动识别数据的“真实范围”避免色标误导imagesc和pcolor都能自动根据数据的最大最小值映射颜色但这里有个大坑——如果数据里有几个离群异常点比如某个工况点的效率因为传感器跳变显示成120%整个色标范围会被拉大导致正常区域的颜色对比度被严重压缩。我的通用程序在绘图中加入了两个处理逻辑物理范围截断。比如效率数据把超过100%的值硬截断为100%把低于0%的硬截断为0%。这个操作在物理上是合理的因为效率不可能超出这个范围。色标范围可调。通过caxis新版用clim把色标范围固定在用户指定的区间内。比如渲染效率图时我通常把色标范围设在50到100之间低于50的统统一片蓝。这样高效区与低效区的色差能拉到最大读图效率明显提升。% 数据规范化以效率为例 Z_mat(Z_mat 100) 100; Z_mat(Z_mat 0) 0; % 设置色标范围 clim([50, 100]);4.3 从效率MAP到损耗MAP同一套代码的完整切换这套通用程序我实际用过的场景包括电机效率MAP、电机损耗MAP、电池内阻MAPSOC-温度平面、逆变器IGBT损耗MAP、减速器效率MAP甚至还有座椅加热的温升云图。每种的差异只在坐标标签、色标专业着色的含义、以及色标范围。比如画电池内阻MAP时X轴不是转速而是SOC荷电状态Y轴是温度Z轴是内阻值mΩ我只需要改一下函数调用的标签和色标范围代码主体完全不用动。反过来画电机损耗MAP时Z值是损耗功率单位kW数值越小越好那就要把色标范围倒过来设或者把colormap翻转方向。通用化的核心收益是你只需要维护一份经过充分测试的绘图代码质量稳定可靠换数据源时不用重新画一遍、重新调一遍格式。对于经常要出图写报告的人来说这能省下大量时间。5. 高级美化技巧外特性曲线、色标设置和图片导出基础MAP图画出来了但要让它达到“直接上传到系统、直接投进PPT”的水平还得加几个工程上的“定制化”元素。其中最重要的就是电机外特性曲线的叠加和色标设计。5.1 外特性曲线叠加让转速-转矩工作区边界清晰可见电机MAP图通常都要叠外特性曲线。外特性曲线是指电机在不同转速下能输出的最大转矩峰值转矩是电机工作区域的物理边界。没有这条线光看图你会以为整个矩形区域内电机都能正常工作但实际上矩形区域的左上角高转矩低转速和右下角高转速低转矩往往是不允许运行的。叠加方法很简单前提是你要有外特性数据转速序列和对应转矩上限然后直接plot上去% 外特性曲线数据示例峰值转矩曲线 R_ext [0, 1000, 2000, 3000, 4000, 5000, 6000, 7000, 8000, 9000, 10000]; T_ext [300, 300, 300, 300, 280, 240, 200, 160, 130, 100, 70]; hold on; plot(R_ext, T_ext, k-, LineWidth, 2.5); plot(R_ext, -T_ext, k-, LineWidth, 2.5); % 电动工况和发电工况对称 hold off;如果你的电机有发电工况转矩为负就画负转矩外特性。有时候还要叠加峰值功率限制曲线双曲线形状同样用plot画上去就行。外特性曲线的线宽设置成2.5比等高线更粗主次分明。5.2 色标与刻度别让colorbar的数值“完全自动”colorbar是MAP图的灵魂但颜色条上显示的内容往往被很多人忽略。默认的colorbar显示的刻度是线性分布的但效率图的色标从50到100只有50个单位的跨度Matlab自动会切成5个刻度50、60、70、80、90、100。看起来还行但如果你想强调95%以上是高效区建议手动指定刻度。更精细的做法是在colorbar上用一条黑色横线或者用text标注出关键阈值比如“95%高效区”。% 手动控制colorbar cb colorbar; cb.Label.String 效率(%); cb.Label.FontSize 10; % 设置刻度到指定数值 cb.Ticks [55, 60, 65, 70, 75, 80, 85, 90, 92, 94, 95, 96, 97]; cb.TickLabels {55,60,65,70,75,80,85,90,92,94,95,96,97};另一个实用技巧是给色标设置“非线性映射”。比如效率数据集中分布在85到97之间如果你线性映射到色标上这个区间的颜色过渡不够明显。可以用pcolor里传入一个经过非线性拉伸的Z值矩阵来绘图但把刻度标签还原成真实值。这样能夸大关注区间的颜色变化不过做这种图时要格外小心如果看图的人不知道坐标是非线性映射的会误读数据所以我在实际报告中一般不用除非特别说明。5.3 图形导出直接输出高清图片避免另存为时画质缩水在Matlab里画完图很多人喜欢直接点figure窗口的“保存”这样出来的图清晰度往往不够尤其是往Word或PPT里贴的时候会出现毛边与锯齿。我推荐的导出方案是% 设置导出尺寸与分辨率 set(gcf, PaperPositionMode, auto); set(gcf, Position, [100 100 800 600]); print(gcf, 图1_电机效率MAP.png, -dpng, -r300);-r300指定DPI为300做印刷或高清汇报足够了。如果你想要矢量图以备后续在矢量编辑软件中加工就用-depsc或-dsvg。注意导出之前在figure窗口里先set(gcf,Color,w)把背景设为白色否则默认浅灰色背景会留一圈难看的边框。6. 边界问题与异常数据处理画出“干净图”的最后一道防线到这里绘制主流程已经完整了但还有一类问题几乎每个用过我这套程序的人都会遇到——异常数据的处理。这部分单独拿出来说因为处理不好会直接影响成图质量甚至误导决策。6.1 测试数据里的“坑点”空值、跳变值、超界值怎么办台架实测的MAP数据里经常会出现三类脏数据空值NaN。由于测点缺失、传感器故障或者外特性边界外区域未测量数据文件里会有大量NaN。如果直接绘图pcolor会把NaN显示成空洞contour碰到NaN可能会断裂。最稳妥的做法是在插值阶段就处理掉NaN——把NaN数据点剔除后再scatteredInterpolant而不是把NaN直接扔给插值函数。插值后网格上仍然可能残留NaN远超出测量范围导致的这些让它们保持NaN即可绘图时会自动以白色或透明显示。跳变值。某个点的效率突然从90%掉到60%又马上恢复到90%这通常不是真实物理现象而是传感器信号干扰或台架数据采集丢帧。处理方式很简单用滑动中值滤波或者设置一个合理的变化阈值超过阈值的点置为NaN。但这步操作要谨慎有些真实的“低效点”比如电机在零转矩附近效率确实很低也是跳变式的不能一棍子打死。超界值。效率超过100%、转矩超过电机峰值、转速为负等这些数据明显违背物理规律直接在预处理阶段将超界值截断或剔除。效率值超过110%的肯定是错误数据效率值在100%-105%之间的有可能是测量误差可以保留并截断到100%。6.2 MATLAB的版本兼容性问题2020b/2021a/2022b写这套程序时我特意考虑了Matlab版本兼容性。几个关键函数在不同版本间的差异要注意climvscaxisMatlab R2022a之后推荐用clim老版本用caxis。为了兼容可以在程序里做一次判断if exist(clim, file) clim([...]); else caxis([...]); end。turbo函数在R2020b以上版本才有老版本用jet代替。scatteredInterpolant比griddata性能好但从R2013a起才替代老接口如果你还在用祖传的R2010b那就只能用griddata了。另外特别提醒如果你的Matlab是32位老版本处理大数据量时可能内存溢出。MAP图矩阵一般不大几百×几百但如果你做高分辨率渲染比如2000×2000的网格pcolor会非常吃力。这种时候可以用imagesc代替pcolor——imagesc直接按矩阵像素绘制速度快很多唯一的缺点是坐标轴和矩阵行列需要手动对齐而且imagesc默认Y轴方向是从上到下需要set(gca,YDir,normal)翻转。6.3 用NaN遮盖外特性之外的区域让图更“诚实”最后还得强调一下NaN遮盖的重要性。电机MAP图有个特殊之处矩形网格区域内有很大一部分外特性曲线之外是物理上无法达到的工作点。如果不做遮盖这些区域会被插值算法造出一堆不存在的效率数据图上会出现大片蓝色或绿色极大地误导看图的人。正确做法是在画图前生成一个和外特性边界匹配的布尔掩膜mask把外特性边界之外的网格点全部置为NaN。这个掩膜可以通过inpolygon函数实现% 生成外特性边界内的掩膜 [R_grid, T_grid] meshgrid(R_vec, T_vec); % 上下边界曲线正转矩和负转矩 boundary_upper interp1(R_ext, T_ext, R_vec, linear, extrap); boundary_lower -boundary_upper; mask (T_grid boundary_upper) (T_grid boundary_lower); E_grid(~mask) NaN;执行这步之后图上的外特性边界之外的区域都会变成白色只有真实可运行的工况区有颜色。这是电机MAP图最标准的画法也是“专业感”的最大来源。很多学弟学妹画的图一眼看上去就是“业余感”归根结底就是少了这个掩膜处理。7. 完整实战示例从散点测试数据到成品MAP图理论讲了一堆这里给一个完整、可直接复制运行的示例程序。数据是模拟的但数据结构和真实台架测试一致你可以用自己的测试数据直接替换。%% 模拟测试散点数据实际使用时替换为台架数据 rng(42); R_raw []; T_raw []; E_raw []; % 模拟外特性 R_ext [0, 1000, 2000, 3000, 4000, 5000, 6000, 7000, 8000, 9000, 10000]; T_ext [300, 300, 300, 300, 280, 240, 200, 160, 130, 100, 70]; % 生成散点在外特性内随机生成测点 for i 1:500 r rand * 10000; t_max_here interp1(R_ext, T_ext, r, linear, extrap); t (rand * 2 - 1) * t_max_here * 0.95; % 测点落在边界内 eff 90 - 5 * (r / 10000) - 0.005 * abs(t - 100); % 构造效率模型 R_raw(end1) r; %#okSAGROW T_raw(end1) t; %#okSAGROW E_raw(end1) eff randn * 2; %#okSAGROW 加噪声 end %% 核心步骤1生成目标网格 R_vec unique(round(R_raw / 500) * 500); % 按500rpm取整 T_vec unique(round(T_raw / 20) * 20); % 按20Nm取整 [R_grid, T_grid] meshgrid(R_vec, T_vec); %% 核心步骤2散点插值 F scatteredInterpolant(R_raw(:), T_raw(:), E_raw(:), linear, none); E_grid F(R_grid, T_grid); %% 核心步骤3外特性掩膜 boundary_upper interp1(R_ext, T_ext, R_vec, linear, extrap); mask (T_grid boundary_upper) (T_grid -boundary_upper); E_grid(~mask) NaN; %% 核心步骤4边缘补点 R_plot [R_vec(1) - 500, R_vec, R_vec(end) 500]; T_plot [T_vec(1) - 20, T_vec, T_vec(end) 20]; E_plot NaN(length(T_plot), length(R_plot)); E_plot(2:end-1, 2:end-1) E_grid; E_plot(2:end-1, 1) E_grid(:, 1); E_plot(2:end-1, end) E_grid(:, end); E_plot(1, 2:end-1) E_grid(1, :); E_plot(end, 2:end-1) E_grid(end, :); %% 核心步骤5绘图 figure(Color, w, Position, [100 100 900 650]); h pcolor(R_plot, T_plot, E_plot); set(h, EdgeColor, none); shading interp; colormap(turbo); clim([50 100]); hold on; % 等高线 [C, hC] contour(R_vec, T_vec, E_grid, [80 85 90 92 94 95 96], k, LineWidth, 0.8); clabel(C, hC, FontSize, 8, Color, [0.2 0.2 0.2], LabelSpacing, 200); % 外特性曲线 plot(R_ext, T_ext, k-, LineWidth, 2.5); plot(R_ext, -T_ext, k--, LineWidth, 2.5); hold off; % 坐标轴与标签 xlabel(转速 (rpm), FontSize, 11); ylabel(转矩 (Nm), FontSize, 11); title(电机效率MAP图, FontSize, 12); set(gca, FontSize, 10, Box, on); cb colorbar; cb.Label.String 效率 (%); cb.Label.FontSize 10; cb.Ticks [55 60 65 70 75 80 85 90 92 94 95 96 97]; % 导出 print(gcf, 电机效率MAP.png, -dpng, -r300);这段代码我实测可以直接运行生成一张带等高线、外特性边界、边缘补点、纳米遮盖的标准电机效率MAP图。你只需要把数据替换成实际的台架数据或仿真数据即可。8. 进阶扩展思路与我的最终实操体会画电机MAP图这件事表面上是个绘图技巧实质上是个数据处理思维问题。不少人把精力全花在“怎么让颜色更好看”上却忽略了图的工程语义是否准确。我后期写程序时越来越觉得几个细节最重要一是色标范围要固定。同一台电机的方案对比两张图的色标范围如果不一致视觉上根本没法比。我习惯统一设成50到100哪怕某张图的高效区范围很小。二是外特性边界必须画。没有边界线的MAP图在技术评审时会被质疑“这图到底哪些点能用”三是网格匹配实测点。不要无脑加密网格原始测点密度决定了图的真实分辨率。对于还想进一步扩展的读者可以往这几个方向尝试把这套绘图程序封装成函数库批量处理多种工况的MAP数据自动命名输出文件做成流程化报告工具或者在Map图基础上叠加运行工况点比如把NEDC、WLTC循环的工况点描在同一张效率MAP上用颜色深浅表示该工况点的频次权重就能直观看出电机的效率设计是否匹配了目标工况也可以写一个简单的GUI界面通过滑条调节色标范围、等高线层级等参数方便不会改代码的同事自己出图。最后分享一个我个人的小习惯出图之前永远先跑一遍min(Z_mat(:))和max(Z_mat(:))确认数据范围合理再决定色标范围。这一步看起来多余但真的能挡住一半以上的低级错误。有一次我拿到一批测试数据没检查范围就画图结果图上出现一片诡异的亮黄色查了半天才发现是某个测点的效率值是114传感器接线问题导致跳变。从那以后数据范围检查成了我画图的固定动作。希望这篇分享能帮你少走这些弯路直接画出能上会的专业MAP图。本文还有配套的精品资源点击获取 Matlab通用MAP图绘制指南：从电机效率云图到任意二维数据场
简介本资源是一套开箱即用的Matlab电机MAP绘制程序面向电机控制工程师、电驱动系统研发人员及高校相关方向研究生解决实际项目中电机效率、转矩、电流等多维性能数据难以高效可视化的问题。压缩包共3个文件116KB包含核心Matlab脚本.m用于自动读取与插值绘图、Excel格式的原始MAP数据表.xlsx便于替换自定义测试数据、以及生成的高分辨率效率热力图示例.png供效果参考。已有196人学习下载脚本已适配多种常见电机数据结构支持surf三维曲面、contour等高线、fill填充等多种绘图模式无需修改即可绘制转速-转矩平面下的效率/损耗/电流分布图并内置坐标轴标注、色条标定、插值平滑等工程实用功能显著降低MAP图从数据到图表的实现门槛。 搞电机或者电驱系统的人日常打交道最多的图除了那些时间轴上的波形曲线恐怕就是这张“转速-转矩-效率”的MAP图了。刚入行那阵子我拿到台架测试返回的一大堆数据点用scatter散点图糊弄了几版结果被做系统匹配的同事吐槽说“你这图没法看效率区域糊成一团根本没法对比方案”。后来痛定思痛仔细把Matlab绘图的底层逻辑捋了一遍写了一套通用绘制程序。这篇就把这套程序的设计思路和完整实现拆开讲清楚尤其是怎么让同一套代码不仅能画电机MAP还能秒切到电池内阻MAP、逆变器损耗MAP这些乱七八糟的二维数据场。1. 先搞清楚电机MAP图的本质一张图背后是三个维度的数据我见过不少新手拿到电机MAP图时的第一反应这不就是个漂亮的彩色云图吗确实视觉上它像个云图但如果你只把它当云图画那大概率画出来的东西只是“好看”而无法承载工程判断。电机MAP图在工程上有个更严谨的名字叫效率等高线图或效率云图本质上是用二维平面上的颜色变化来表达第三个维度的数值大小。1.1 MAP图的数据结构别再把XYZ散点直接怼进绘图函数具体到Matlab里电机MAP图的标准数据形态是X轴为转速通常单位是rpm也有用rad/s的Y轴为转矩单位是Nm平面上每一个坐标点对应一个效率值0到1或者0到100%。这里有个非常容易踩的坑。如果你从试验台架直接读取数据得到的一般是类似下面这种的表格式散点数据转速(rpm)转矩(Nm)效率(%)1000082.310002088.510004090.12000080.220002091.4这种表格式的离散点数据直接plot或scatter是画不出“面”的效果的。你真正需要的是一个二维矩阵行对应转矩、列对应转速或者反过来也行矩阵里的值才是效率。换句话说散点数据必须先插值网格化变成类似转速向量 R [1000, 2000, 3000, 4000, 5000]; 转矩向量 T [0, 20, 40, 60, 80, 100]; 效率矩阵 E [82.3, 80.2, ...; 88.5, 91.4, ...;]这种矩阵格式Matlab的pcolor、contourf、imagesc这类函数才能直接吃进去。1.2 为什么“完美绘制任何类型的数据”这个目标值得追求标题里写了“完美绘制任何类型的数据”这句不是噱头。电驱动系统开发过程中需要画这种二维色图的地方多得超乎想象电机效率MAP转速×转矩×效率最经典的一张图看高效区是否覆盖主工况区。电机损耗MAP转速×转矩×总损耗铜耗铁耗机械损耗做散热分析和峰值能力判断用。电池内阻MAPSOC×温度×内阻BMS策略标定时必看低温低SOC时内阻会飙升直接影响放电功率限制。逆变器损耗MAP转速×转矩×IGBT损耗配合电机损耗可以算系统级效率。NVH噪音MAP转速×转矩×声压级或者阶次幅值做噪音优化时用往往要求很高的分辨率。这些图的物理含义天差地别但落到绘图层面数据结构却几乎完全一致——都是X轴向量、Y轴向量、Z值二维矩阵。所以只要把这套数据规范定义好一套绘图程序完全可以通吃。我个人写这套程序时定的目标是输入转速向量、转矩向量和效率矩阵输出一张“能直接贴进技术报告”的图。也就是说坐标轴刻度要科学、颜色条要明确、等效率线要清晰、外特性边界要体现最好还能一键切换显示模式。2. 数据输入的坑三分画图七分数据整理写绘图程序之前最需要花心思设计的其实是“如何把数据整理成程序能直接接收的格式”。实测中来自台架、仿真、整车实测的数据格式千变万化如果不做预处理绘图代码里就得塞一堆条件分支既不优雅也容易出bug。2.1 三种典型输入格式的统一坐标轴策略我最终把输入格式统一成了三种模式分别对应不同来源的数据在程序开头做一个标准化预处理模式A完整矩阵输入。数据本身就是网格化的转速向量R、转矩向量T、效率矩阵Esize为length(T)×length(R)齐全。这种情况最容易直接绘图即可。模式B散点列表输入。从试验数据文件读出来的是三列长数据每行对应一个工况点转速、转矩、效率工况点可能覆盖不全甚至没有覆盖完整网格。这种情况必须做网格重建和插值。模式C矩阵行列坐标输入。部分数据采集系统导出的是完整矩阵但只附带起始值、步长等坐标信息。比如转速从500rpm到10000rpm步长500rpm共20个点转矩从-100Nm到300Nm步长50rpm共9行需要用linspace或冒号运算符生成坐标向量再拼接。模式B比较关键这里放一个我实际在用的散点转网格的代码片段function [R_grid, T_grid, E_grid] map_data_prepare(R_raw, T_raw, E_raw, R_vec, T_vec, method) % 将散点数据映射到规则网格 % R_raw: 散点转速数据 (N×1) % T_raw: 散点转矩数据 (N×1) % E_raw: 散点效率数据 (N×1) % R_vec: 目标转速网格向量 (1×M) % T_vec: 目标转矩网格向量 (1×K) % method: 插值方法linear / nearest / cubic [R_grid, T_grid] meshgrid(R_vec, T_vec); % 注意scatteredInterpolant要求输入为列向量 F scatteredInterpolant(R_raw(:), T_raw(:), E_raw(:), method, linear); % 外插值设置成NaN避免外特性边界外出现虚假数据 F.ExtrapolationMethod none; E_grid F(R_grid, T_grid); % 将没有数据的区域外特性以外设为NaN避免画出色块 E_grid(isnan(E_grid)) NaN; endscatteredInterpolant是处理这种散点数据最顺手的工具比老版的griddata在性能和可控性上都强出一截。有一点值得注意外插值一定要设成none。如果保留默认的线性外插那些没测到的高速大转矩区域会被插值出一些假效率值画进图里就会出现远超实际范围的异常色块。2.2 转速和转矩轴的网格梯度设计很多人在绘制MAP图时忽略了一个细节——电机台架测试的转速点和转矩点往往不是均匀分布的。比如低速工况点密一些高速稀疏一些转矩在小转矩区密一些大转矩区稀疏一些。直接用原始测试点做网格pcolor画出来的格子会宽窄不一色块边缘参差不齐。我的做法是从原始测试数据里抽取唯一的转速值、转矩值升序排列作为目标网格。不额外插值加密。比如测试有21个转速点、19个转矩点生成的效率矩阵就是19×21每个格子代表真实测试区域边界清晰。这样画出的图不会因为过度插值而“显得精度很高”但它忠实反映了原始数据密度。另外网格要做“边缘补点”否则pcolor的色块边界会缩进一圈。pcolor的色块本质上画的是网格单元如果直接用测得的离散值画边缘那半个格子是被截断的。解决办法是在转速和转矩向量的首尾各补一个虚拟点值可以取相邻点的值或者干脆取相邻点的外推值。% 边缘补点 R_plot [R_vec(1) - (R_vec(2)-R_vec(1)), R_vec, R_vec(end) (R_vec(end)-R_vec(end-1))]; T_plot [T_vec(1) - (T_vec(2)-T_vec(1)), T_vec, T_vec(end) (T_vec(end)-T_vec(end-1))]; % 对应补两行两列的数据这一步虽然看起来简单但没有它图片边缘就会有一条明显的“白边”贴到报告里特别掉档次。3. 选对绘图函数与配色pcolor、contourf、imagesc到底该用哪个Matlab里能画二维色图的函数不少imagesc、imagesc、pcolor、contourf、surf都能干这事但每个函数的行为差异是实打实的。选错函数轻则图难看重则数据表达失真。这里把我用下来的经验按场景对比一下。3.1 pcolor是电机MAP绘制的首选原因pcolor的逻辑是“以网格点为中心把相邻点用色块填充”。它天然适配电机MAP这类数据——每个网格点都有真实的物理测量或仿真计算值色块边界恰好就是试验工况点的边界。跟contourf相比pcolor不会对数据做任何光滑或重建是“所见即所得”。但pcolor有两个经典副作用默认带网格线尤其当网格点很多时色块之间会出现白色细线视觉上乱。解决办法是设shading interp对颜色做插值或shading flat去掉网格线。边缘截断前面提到的需要边缘补点。我的做法是直接用pcolor(R_plot, T_plot, E_plot)然后紧跟一句shading interp。这样输出平滑无网格线颜色过渡自然。figure; h pcolor(R_plot, T_plot, E_plot); set(h, EdgeColor, none); shading interp;shading interp会对每个网格单元做双线性颜色插值出来的视觉效果比shading flat细腻很多尤其适合效率MAP这种渐变数据。3.2 等效率线的叠加逻辑与层级控制光有云图还不够工程上还要叠等效率线。比如判断95%高效区的边界在哪、高效区是否覆盖常用巡航工况这时候就需要contour叠加在pcolor之上。contour和contourf的选择逻辑要分清contourf画的是填充等高线如果叠在pcolor上它会用色块覆盖掉底下的云图除非设透明度否则会遮住底层信息一般不用于叠加场景。contour只画线条不填充适合叠加在pcolor上。我的标准做法是hold on; [C, hContour] contour(R_vec, T_vec, E_grid, [80, 85, 90, 92, 94, 95, 96], k, LineWidth, 0.8); clabel(C, hContour, FontSize, 8, Color, [0.3 0.3 0.3], LabelSpacing, 250);clabel是自动标注等高线数值的函数LabelSpacing参数控制标注沿曲线的间隔单位是点。我设250左右标注不会太密也不会太疏。等高线的线条颜色用黑色线宽0.8既不喧宾夺主又能清晰读值。如果你觉得全黑线条太沉闷也可以用深灰色。3.3 配色方案决定图的“可读性”这几个colormap值得反复用电机MAP这类的数据配色方案是有讲究的。默认的parula比较均衡蓝到黄但从工程阅读习惯来说我更偏向用jet系列加限制或者用新版Matlab推荐的turbo。turboMatlab R2020b之后的turbo色图颜色分布均匀视觉上比jet柔和高亮区域不刺眼。作为效率MAP的默认选择没问题。jet经典彩虹色红橙黄绿青蓝紫从低到高直觉对应“冷到热”。但jet有个毛病——颜色亮度不单调红和蓝两端亮度反而高中间绿色亮度低人眼对颜色的感知不均匀。做报告用jet会被视觉设计师吐槽如果你只给自己看倒是无所谓。parulaMatlab默认色图蓝黄渐变色觉障碍人士也能分辨。但用在效率MAP上蓝色低效率区域和黄色高效率区域对比度偏弱尤其在投影上看不清晰。我测试下来最适合电机效率MAP的是双色拼接colormap高效率区用红色系红-橙-黄低效率区用蓝色系深蓝-浅蓝中间白色过渡。这种配色在工程报告里辨识度极高。实际实现是用colormap函数拼接两个色彩空间或者用ColorThreshold做一个自定义色图。% 自定义双色colormap白-蓝渐变 白-红渐变 cmap_blue [linspace(1, 0.2, 64), linspace(1, 0.4, 64), linspace(1, 0.8, 64)]; cmap_red [linspace(1, 0.9, 64), linspace(0.8, 0.2, 64), linspace(0.8, 0.2, 64)]; cmap [cmap_blue; cmap_red(2:end, :)]; colormap(cmap);这段代码的意思是前半段从纯白渐变到深蓝色后半段从纯白渐变到深红色。这样效率从低到高颜色由蓝变白再变红中间白区分明一眼就能看出高效区。这个配色我用了很久贴到任何报告里都显得专业。4. 一套代码画出“任何类型的数据”从电机MAP到电池、NVH数据的通用化设计写一套程序最忌“画死了”——就是代码只适配电机效率数据换个数据源就要大改。所以在设计阶段就要想好通用化策略。我这套程序的接口参数如下基本做到了数据类型无关。4.1 通用绘图函数的接口设计function hFig plot_map_2d(R_vec, T_vec, Z_mat, varargin) % 通用二维色图绘制MAP图 % 输入参数 % R_vec - X轴坐标向量例如转速 % T_vec - Y轴坐标向量例如转矩 % Z_mat - Z值矩阵维度为 length(T_vec)×length(R_vec) % 可选参数Name-Value形式 % zlabel : Z轴标签默认 Z % xlabel : X轴标签默认 X % ylabel : Y轴标签默认 Y % title : 图标题默认空 % levels : 等高线层级向量默认 [80 85 90 92 94 95 96] % clabel : 是否显示等高线标注默认 true % cmap : colormap名称或自定义矩阵默认 turbo % nan_color: 数据为NaN区域的填充颜色默认 [1 1 1] % xscale : linear 或 log默认 linear % mask_threshold : 低于该阈值的区域置为NaN可选项这里想重点说的是mask_threshold参数的设计。电机MAP图里转矩为零附近或外特性边界外实际上没有稳态工况点这些区域往往是插值出的“空数据”。如果你不做遮盖图上会出现一大片低效率的蓝色甚至影响色标的自动范围。所以我在通用接口里加了阈值遮盖功能效率低于某个值时把对应位置设置为NaN绘图时自动变成白色或指定颜色。这样画出来的图只显示有效工况区干净利落。4.2 数据规范化自动识别数据的“真实范围”避免色标误导imagesc和pcolor都能自动根据数据的最大最小值映射颜色但这里有个大坑——如果数据里有几个离群异常点比如某个工况点的效率因为传感器跳变显示成120%整个色标范围会被拉大导致正常区域的颜色对比度被严重压缩。我的通用程序在绘图中加入了两个处理逻辑物理范围截断。比如效率数据把超过100%的值硬截断为100%把低于0%的硬截断为0%。这个操作在物理上是合理的因为效率不可能超出这个范围。色标范围可调。通过caxis新版用clim把色标范围固定在用户指定的区间内。比如渲染效率图时我通常把色标范围设在50到100之间低于50的统统一片蓝。这样高效区与低效区的色差能拉到最大读图效率明显提升。% 数据规范化以效率为例 Z_mat(Z_mat 100) 100; Z_mat(Z_mat 0) 0; % 设置色标范围 clim([50, 100]);4.3 从效率MAP到损耗MAP同一套代码的完整切换这套通用程序我实际用过的场景包括电机效率MAP、电机损耗MAP、电池内阻MAPSOC-温度平面、逆变器IGBT损耗MAP、减速器效率MAP甚至还有座椅加热的温升云图。每种的差异只在坐标标签、色标专业着色的含义、以及色标范围。比如画电池内阻MAP时X轴不是转速而是SOC荷电状态Y轴是温度Z轴是内阻值mΩ我只需要改一下函数调用的标签和色标范围代码主体完全不用动。反过来画电机损耗MAP时Z值是损耗功率单位kW数值越小越好那就要把色标范围倒过来设或者把colormap翻转方向。通用化的核心收益是你只需要维护一份经过充分测试的绘图代码质量稳定可靠换数据源时不用重新画一遍、重新调一遍格式。对于经常要出图写报告的人来说这能省下大量时间。5. 高级美化技巧外特性曲线、色标设置和图片导出基础MAP图画出来了但要让它达到“直接上传到系统、直接投进PPT”的水平还得加几个工程上的“定制化”元素。其中最重要的就是电机外特性曲线的叠加和色标设计。5.1 外特性曲线叠加让转速-转矩工作区边界清晰可见电机MAP图通常都要叠外特性曲线。外特性曲线是指电机在不同转速下能输出的最大转矩峰值转矩是电机工作区域的物理边界。没有这条线光看图你会以为整个矩形区域内电机都能正常工作但实际上矩形区域的左上角高转矩低转速和右下角高转速低转矩往往是不允许运行的。叠加方法很简单前提是你要有外特性数据转速序列和对应转矩上限然后直接plot上去% 外特性曲线数据示例峰值转矩曲线 R_ext [0, 1000, 2000, 3000, 4000, 5000, 6000, 7000, 8000, 9000, 10000]; T_ext [300, 300, 300, 300, 280, 240, 200, 160, 130, 100, 70]; hold on; plot(R_ext, T_ext, k-, LineWidth, 2.5); plot(R_ext, -T_ext, k-, LineWidth, 2.5); % 电动工况和发电工况对称 hold off;如果你的电机有发电工况转矩为负就画负转矩外特性。有时候还要叠加峰值功率限制曲线双曲线形状同样用plot画上去就行。外特性曲线的线宽设置成2.5比等高线更粗主次分明。5.2 色标与刻度别让colorbar的数值“完全自动”colorbar是MAP图的灵魂但颜色条上显示的内容往往被很多人忽略。默认的colorbar显示的刻度是线性分布的但效率图的色标从50到100只有50个单位的跨度Matlab自动会切成5个刻度50、60、70、80、90、100。看起来还行但如果你想强调95%以上是高效区建议手动指定刻度。更精细的做法是在colorbar上用一条黑色横线或者用text标注出关键阈值比如“95%高效区”。% 手动控制colorbar cb colorbar; cb.Label.String 效率(%); cb.Label.FontSize 10; % 设置刻度到指定数值 cb.Ticks [55, 60, 65, 70, 75, 80, 85, 90, 92, 94, 95, 96, 97]; cb.TickLabels {55,60,65,70,75,80,85,90,92,94,95,96,97};另一个实用技巧是给色标设置“非线性映射”。比如效率数据集中分布在85到97之间如果你线性映射到色标上这个区间的颜色过渡不够明显。可以用pcolor里传入一个经过非线性拉伸的Z值矩阵来绘图但把刻度标签还原成真实值。这样能夸大关注区间的颜色变化不过做这种图时要格外小心如果看图的人不知道坐标是非线性映射的会误读数据所以我在实际报告中一般不用除非特别说明。5.3 图形导出直接输出高清图片避免另存为时画质缩水在Matlab里画完图很多人喜欢直接点figure窗口的“保存”这样出来的图清晰度往往不够尤其是往Word或PPT里贴的时候会出现毛边与锯齿。我推荐的导出方案是% 设置导出尺寸与分辨率 set(gcf, PaperPositionMode, auto); set(gcf, Position, [100 100 800 600]); print(gcf, 图1_电机效率MAP.png, -dpng, -r300);-r300指定DPI为300做印刷或高清汇报足够了。如果你想要矢量图以备后续在矢量编辑软件中加工就用-depsc或-dsvg。注意导出之前在figure窗口里先set(gcf,Color,w)把背景设为白色否则默认浅灰色背景会留一圈难看的边框。6. 边界问题与异常数据处理画出“干净图”的最后一道防线到这里绘制主流程已经完整了但还有一类问题几乎每个用过我这套程序的人都会遇到——异常数据的处理。这部分单独拿出来说因为处理不好会直接影响成图质量甚至误导决策。6.1 测试数据里的“坑点”空值、跳变值、超界值怎么办台架实测的MAP数据里经常会出现三类脏数据空值NaN。由于测点缺失、传感器故障或者外特性边界外区域未测量数据文件里会有大量NaN。如果直接绘图pcolor会把NaN显示成空洞contour碰到NaN可能会断裂。最稳妥的做法是在插值阶段就处理掉NaN——把NaN数据点剔除后再scatteredInterpolant而不是把NaN直接扔给插值函数。插值后网格上仍然可能残留NaN远超出测量范围导致的这些让它们保持NaN即可绘图时会自动以白色或透明显示。跳变值。某个点的效率突然从90%掉到60%又马上恢复到90%这通常不是真实物理现象而是传感器信号干扰或台架数据采集丢帧。处理方式很简单用滑动中值滤波或者设置一个合理的变化阈值超过阈值的点置为NaN。但这步操作要谨慎有些真实的“低效点”比如电机在零转矩附近效率确实很低也是跳变式的不能一棍子打死。超界值。效率超过100%、转矩超过电机峰值、转速为负等这些数据明显违背物理规律直接在预处理阶段将超界值截断或剔除。效率值超过110%的肯定是错误数据效率值在100%-105%之间的有可能是测量误差可以保留并截断到100%。6.2 MATLAB的版本兼容性问题2020b/2021a/2022b写这套程序时我特意考虑了Matlab版本兼容性。几个关键函数在不同版本间的差异要注意climvscaxisMatlab R2022a之后推荐用clim老版本用caxis。为了兼容可以在程序里做一次判断if exist(clim, file) clim([...]); else caxis([...]); end。turbo函数在R2020b以上版本才有老版本用jet代替。scatteredInterpolant比griddata性能好但从R2013a起才替代老接口如果你还在用祖传的R2010b那就只能用griddata了。另外特别提醒如果你的Matlab是32位老版本处理大数据量时可能内存溢出。MAP图矩阵一般不大几百×几百但如果你做高分辨率渲染比如2000×2000的网格pcolor会非常吃力。这种时候可以用imagesc代替pcolor——imagesc直接按矩阵像素绘制速度快很多唯一的缺点是坐标轴和矩阵行列需要手动对齐而且imagesc默认Y轴方向是从上到下需要set(gca,YDir,normal)翻转。6.3 用NaN遮盖外特性之外的区域让图更“诚实”最后还得强调一下NaN遮盖的重要性。电机MAP图有个特殊之处矩形网格区域内有很大一部分外特性曲线之外是物理上无法达到的工作点。如果不做遮盖这些区域会被插值算法造出一堆不存在的效率数据图上会出现大片蓝色或绿色极大地误导看图的人。正确做法是在画图前生成一个和外特性边界匹配的布尔掩膜mask把外特性边界之外的网格点全部置为NaN。这个掩膜可以通过inpolygon函数实现% 生成外特性边界内的掩膜 [R_grid, T_grid] meshgrid(R_vec, T_vec); % 上下边界曲线正转矩和负转矩 boundary_upper interp1(R_ext, T_ext, R_vec, linear, extrap); boundary_lower -boundary_upper; mask (T_grid boundary_upper) (T_grid boundary_lower); E_grid(~mask) NaN;执行这步之后图上的外特性边界之外的区域都会变成白色只有真实可运行的工况区有颜色。这是电机MAP图最标准的画法也是“专业感”的最大来源。很多学弟学妹画的图一眼看上去就是“业余感”归根结底就是少了这个掩膜处理。7. 完整实战示例从散点测试数据到成品MAP图理论讲了一堆这里给一个完整、可直接复制运行的示例程序。数据是模拟的但数据结构和真实台架测试一致你可以用自己的测试数据直接替换。%% 模拟测试散点数据实际使用时替换为台架数据 rng(42); R_raw []; T_raw []; E_raw []; % 模拟外特性 R_ext [0, 1000, 2000, 3000, 4000, 5000, 6000, 7000, 8000, 9000, 10000]; T_ext [300, 300, 300, 300, 280, 240, 200, 160, 130, 100, 70]; % 生成散点在外特性内随机生成测点 for i 1:500 r rand * 10000; t_max_here interp1(R_ext, T_ext, r, linear, extrap); t (rand * 2 - 1) * t_max_here * 0.95; % 测点落在边界内 eff 90 - 5 * (r / 10000) - 0.005 * abs(t - 100); % 构造效率模型 R_raw(end1) r; %#okSAGROW T_raw(end1) t; %#okSAGROW E_raw(end1) eff randn * 2; %#okSAGROW 加噪声 end %% 核心步骤1生成目标网格 R_vec unique(round(R_raw / 500) * 500); % 按500rpm取整 T_vec unique(round(T_raw / 20) * 20); % 按20Nm取整 [R_grid, T_grid] meshgrid(R_vec, T_vec); %% 核心步骤2散点插值 F scatteredInterpolant(R_raw(:), T_raw(:), E_raw(:), linear, none); E_grid F(R_grid, T_grid); %% 核心步骤3外特性掩膜 boundary_upper interp1(R_ext, T_ext, R_vec, linear, extrap); mask (T_grid boundary_upper) (T_grid -boundary_upper); E_grid(~mask) NaN; %% 核心步骤4边缘补点 R_plot [R_vec(1) - 500, R_vec, R_vec(end) 500]; T_plot [T_vec(1) - 20, T_vec, T_vec(end) 20]; E_plot NaN(length(T_plot), length(R_plot)); E_plot(2:end-1, 2:end-1) E_grid; E_plot(2:end-1, 1) E_grid(:, 1); E_plot(2:end-1, end) E_grid(:, end); E_plot(1, 2:end-1) E_grid(1, :); E_plot(end, 2:end-1) E_grid(end, :); %% 核心步骤5绘图 figure(Color, w, Position, [100 100 900 650]); h pcolor(R_plot, T_plot, E_plot); set(h, EdgeColor, none); shading interp; colormap(turbo); clim([50 100]); hold on; % 等高线 [C, hC] contour(R_vec, T_vec, E_grid, [80 85 90 92 94 95 96], k, LineWidth, 0.8); clabel(C, hC, FontSize, 8, Color, [0.2 0.2 0.2], LabelSpacing, 200); % 外特性曲线 plot(R_ext, T_ext, k-, LineWidth, 2.5); plot(R_ext, -T_ext, k--, LineWidth, 2.5); hold off; % 坐标轴与标签 xlabel(转速 (rpm), FontSize, 11); ylabel(转矩 (Nm), FontSize, 11); title(电机效率MAP图, FontSize, 12); set(gca, FontSize, 10, Box, on); cb colorbar; cb.Label.String 效率 (%); cb.Label.FontSize 10; cb.Ticks [55 60 65 70 75 80 85 90 92 94 95 96 97]; % 导出 print(gcf, 电机效率MAP.png, -dpng, -r300);这段代码我实测可以直接运行生成一张带等高线、外特性边界、边缘补点、纳米遮盖的标准电机效率MAP图。你只需要把数据替换成实际的台架数据或仿真数据即可。8. 进阶扩展思路与我的最终实操体会画电机MAP图这件事表面上是个绘图技巧实质上是个数据处理思维问题。不少人把精力全花在“怎么让颜色更好看”上却忽略了图的工程语义是否准确。我后期写程序时越来越觉得几个细节最重要一是色标范围要固定。同一台电机的方案对比两张图的色标范围如果不一致视觉上根本没法比。我习惯统一设成50到100哪怕某张图的高效区范围很小。二是外特性边界必须画。没有边界线的MAP图在技术评审时会被质疑“这图到底哪些点能用”三是网格匹配实测点。不要无脑加密网格原始测点密度决定了图的真实分辨率。对于还想进一步扩展的读者可以往这几个方向尝试把这套绘图程序封装成函数库批量处理多种工况的MAP数据自动命名输出文件做成流程化报告工具或者在Map图基础上叠加运行工况点比如把NEDC、WLTC循环的工况点描在同一张效率MAP上用颜色深浅表示该工况点的频次权重就能直观看出电机的效率设计是否匹配了目标工况也可以写一个简单的GUI界面通过滑条调节色标范围、等高线层级等参数方便不会改代码的同事自己出图。最后分享一个我个人的小习惯出图之前永远先跑一遍min(Z_mat(:))和max(Z_mat(:))确认数据范围合理再决定色标范围。这一步看起来多余但真的能挡住一半以上的低级错误。有一次我拿到一批测试数据没检查范围就画图结果图上出现一片诡异的亮黄色查了半天才发现是某个测点的效率值是114传感器接线问题导致跳变。从那以后数据范围检查成了我画图的固定动作。希望这篇分享能帮你少走这些弯路直接画出能上会的专业MAP图。本文还有配套的精品资源点击获取