理解Angular中的$apply()以及$digest()

AngularJS数据绑定解析
本文深入探讨AngularJS的数据绑定机制,解释其工作原理与潜在缺陷,并通过实例展示如何正确使用$apply方法确保视图更新。

AngularJS数据绑定的原理&最大缺陷:每一次方向1的绑定都会在$digest队列中生成一个执行DOM操作的函数(若一个ngApp中有N次数据绑定就会生成N个这样的函数),只要某一个Model数据发生了值的改变,立即会自动执行$digest队列中的每一个函数,进行View的更新。
当$digest循环开始后,它会触发每个watcher。这些watchers会检查scope中的当前model值是否和上一次计算得到的model值不同。如果不同,那么对应的回调函数会被执行。


什么时候手动调用$apply()方法?
如果你在angularjs上下文之外的任何地方修改了model,那么你就需要通过手动调用$apply()来通知AngularJS。这就像告诉AngularJS,你修改了一些models,希望AngularJS帮你触发watchers来做出正确的响应。


以一个例子来说明一下:

html + js

<!DOCTYPE THML>
<html ng-app="test">
<head>
<meta  charset="UTF-8">
<title></title>
<script type="text/JavaScript" src="angular.js"></script>
<style>
.header-fixed{
position: fixed;
top: 0;
left: 0;
right: 0
}
</style>
</head>
<body ng-controller="dome">
<header style="background: #ddd;height: 150px;" ng-class="{'header-fixed':add}">
<h3>顶部导航{{add}}</h3>
</header>
<script type="text/javascript">
angular.module("test",["ng"]).controller("dome",function($scope){
   var doc = angular.element(document);
doc.bind("scroll",function(){
if(document.body.scrollTop>150){
// $scope.$apply(function(){
$scope.add = true;
console.log($scope.add);
// })
}else{
// $scope.$apply(function(){
$scope.add = false;
console.log($scope.add);
// })
}
})
})
</script>
</body>
</html>

当执行以上代码时候,滚动页面是 控制台输出$scope.add的值是有的,但是页面却没有被修改,原因也许你已经知道了,就是我们忘了调用$apply()方法。当解开注释调用$scope.$apply方法手动修改$scope.add的值,页面中想要添加的class才能渲染上去。


Note:顺便提一下,你应该使用$timeout service来代替setTimeout(),因为前者会帮你调用$apply(),让你不需要手动地调用它。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值