变量的高级主题(续)

本文详细探讨了Makefile中变量的高级用法,包括环境变量、目标变量和模式变量。讲解了它们的优缺点、传递方式以及编程实验,展示了如何在不同makefile之间传递和覆盖变量值。通过实例解释了局部变量的作用域,帮助读者更好地理解和应用Makefile中的变量机制。

变量的高级主题(续)

1、环境变量(全局变量)

  • makefile中能够直接使用环境变量的值
  • 运行make时指定"-e"选项,优先使用环境变量

2、为什么要在makefile中使用环境变量

  • 优势
    • 环境变量可以在所有makefile中使用
  • 劣势
    • 过多的依赖环境变量会导致异移植性降低

3、变量在不同makefile之间传递方式

  • 直接在外部定义环境变量进行传递
  • 使用export定义变量进行传递(定义临时环境变量
  • 定义make命令行变量进行传递(推荐)

4、编程实验

JAVA_HOME := java home
export myvar := MYAPP
new := mynewword

test :
	@echo "JAVA_HOME => $(JAVA_HOME)"
	@echo "make another file ..."
	@$(MAKE) -f makefile.2
	@$(MAKE) -f makefile.2 new:=$(new)
	
//编译运行
$ make 
JAVA_HOME => java home
make another file ...
make[1]: Entering directory '/mnt/hgfs/VMShare/hello7688/ditai/make/7'
JAVA_HOME => 
myvar => MYAPP
new => 
make[1]: Leaving directory '/mnt/hgfs/VMShare/hello7688/ditai/make/7'
make[1]: Entering directory '/mnt/hgfs/VMShare/hello7688/ditai/make/7'
JAVA_HOME => 
myvar => MYAPP
new => mynewword
make[1]: Leaving directory '/mnt/hgfs/VMShare/hello7688/ditai/make/7'

5、目标变量(局部变量)

  • 作用域只在指定目标及连带规则中
    • target : name<assignment> value
    • target : override name<assignment> value
var := hello
test : var := test-hello

test :
	@echo "test:"
	@echo "var => $(var)"

6、模式变量

  • 模式变量是目标变量的扩展
  • 作用域只在符合模式的目标及连带规则中
    • pattern : name<assignment> value
    • pattern : name<assignment> value
new := hell
%e : override := test-new

rule :
	@echo "rule:"
	@echo "new = $(new)"

7、编程实验

var := hello-var
new := new

test : var := nani?
%e : override new := new-new

test :
	@echo "test:"
	@echo "var => $(var)"
	@echo "new => $(new)"
	
another :
	@echo "another:"
	@echo "var => $(var)"
	@echo "new => $(new)"

rule :
	@echo "rule:"
	@echo "var => $(var)"
	@echo "new => $(new)"
	
//编译运行
$ make test another rule 
test:
var => nani?
new => new
another:
var => hello-var
new => new
rule:
var => hello-var
new => new-new


8、小结

  • makefile中的三种变量
    • 全局变量:makefile外部定义的环境变量
    • 文件变量:makefile中定义的变量
    • 局部变量:指定目标的变量
【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
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