19、服务管理器高级个性化扩展指南

服务管理器高级个性化扩展指南

1. 定义列表类型属性

在服务管理器的创作工具中,有时需要将某些属性定义为列表类型,以下是具体操作步骤:
1. 打开创作工具,选择想要定义为列表类型的属性。
2. 在详细信息窗格中,将“数据类型”属性更改为“列表”。
3. 在“选择列表”对话框中,可选择现有列表,也可使用“创建列表…”选项创建自己的列表。
4. 保存管理包并将其导入服务管理器。
5. 若创建了自己的列表,可在服务管理器控制台的“库”部分的“列表”下定义可用值。

2. 密封管理包

在规划服务管理器的自定义时,设计管理包时一个重要的决策是是否密封管理包。密封的管理包是只读的,导入服务管理器后不能写入,但能被其他管理包引用。以下是密封管理包的一些好处:
- 可升级性 :导入密封管理包的新版本时,服务管理器会检查是否可以升级,并拒绝不可升级的更改。例如,对于定义了用户自定义类的密封管理包,若要为类添加新属性,可修改管理包 XML、增加版本号、重新密封并导入,已存储的实例仍会保留在数据库中;但如果进行不可升级的更改(如删除属性),服务管理器将无法导入,需先删除现有管理包,这会导致丢失类的现有实例。
- 引用功能 :在创建类扩展、自定义表单、创建视图等操作时,需要引用密封的管理包。

通常,包含以下资源的管理包建议始终密封:
- 类
- 类扩展
- 表单
- 表单扩展

2.1 准备工作

密封管理包需要一个强名称密钥(SNK)文件,可使用 sn.ex

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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  | 博主筛选后可见
 
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