优维低代码:应用级配置

优维低代码技术专栏,是一个全新的、技术为主的专栏,由优维技术委员会成员执笔,基于优维7年低代码技术研发及运维成果,主要介绍低代码相关的技术原理及架构逻辑,目的是给广大运维人提供一个技术交流与学习的平台。


连载第三十三期

《高级指引:应用级配置》

除了全局特性开关,有时我们希望支持按应用进行个性化配置。

# 配置

# 默认配置

首先,我们可以在 storyboard.app 中配置 defaultConfig 作为该应用的默认配置,例如:

app:
  id: "your-app"
  homepage: "/your-app"
  defaultConfig:
    pageSize: 50

# 个性化配置

在生产环境中,当前可以通过修改 CMDB 中小产品_已安装小产品(_INSTALLED_MICRO_APP)模型的相关实例的 userConfig 字段实现个性化配置。未来会支持在平台界面中进行个性化配置。

在个人开发环境中,可以在项目根目录中添加文件 dev.config.js 设置个性化配置。例如:

module.exports = {
  appConfig: {
    "your-app": {
      pageSize: 20,
    },
  },
};

# 使用

在运行时,storyboard.app 即 MicroApp 会多一个字段 config,它是应用的默认配置与个性化配置合并后的结果。

在 Storyboard 中,可以使用参数注入来引用应用配置,例如:

brick: "your-brick"
properties:
  pageSize: "${APP.config.pageSize}"

在构件中,则可以使用 Runtime 接口来获取应用配置,例如:

import { getRuntime } from "@next-core/brick-kit";


function YourBrick() {
  const pageSize = getRuntime().getCurrentApp().config.pageSize;
  // ...
}
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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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