代码笔记 | ajax实现服务器与浏览器长连接的功能

本文介绍了一个基于模态框的扫码登录功能实现方案,利用定时器每三秒向服务器请求数据来更新登录状态,并在登录超时的情况下给出提示。
 
<script type="text/javascript" src="__CSS__/bootstrap-3.3.5-dist/js/bootstrap.min.js"></script>
<script type="text/javascript">
    var uid = "{$uid}";
    var i = 0;
    var timer;
    $().ready(function(){
        //打开扫码登录模态框
        $('#login').click(function(){
            //如果用户已经登录,则返回
            if(uid){ 
                return ;
            }
            //打开模态框,通过remote选项从远程加载数据
            $('#loginModel').modal({
                remote: "{:U('user/login')}"
            });
        });
          
        //模态框隐藏之后清空数据
        $("#loginModel").on("hidden.bs.modal", function() {
            $(this).removeData("bs.modal");
        });
          
        //当模态框显示出来后,通过定时返回来向服务器请求数据,定时器是每三秒请求一次服务器
        $('#loginModel').on('shown.bs.modal', function (e) {
            timer = setInterval(ajax_request, 3000);
        });
    });
      
    //ajax 请求函数,
    function ajax_request(){
        i++;
        //如果已经请求20此没有请求成功,则强制结束,给出提示信息,因为每3s调用一次,供调用20次,大概就是一分钟的时间
        if(i > 20){
            $('.login_info1').html('<span style="color:red;">登录超时,如需登录请刷新页面~</span>');
            clearInterval(timer);
            return ;
        }
          
        $.ajax({
            type: "post",
            url: "{:U('User/login_qrcode')}",
            timeout : 3000,
            data: { "scene_id": $('#scene_id').val() },
            success: function (msg){                
                if(1 == msg.status){
                    $('.login_info1').html('<span style="color:#0C9;">'+msg.info+'</span>');
                    setTimeout(refresh, 3000);
                    return ;
                }
            },
            error: function(){
            }
        });
    }
      
    //重载页面
    function refresh(){
        location.reload();
    }
</script>

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