事件委托

一,概念

事件的定义:事件是对象事先定义好的能够识别的动作,是导致某个过程执行的通知。

委托是函数指针(当然是某种类型函数,即指定的参数个数、类型)。

事件是通过委托实现的。

.NET 下的事件定义时需要指定类型(委托的类型);这种委托类型的命名都是称为XXXHandler,即事件处理器。实际上说明定义事件首先要先定义某个Handler。

定义事件格式:Public event委托名事件名

.NET下,按照默认的风格,事件默认的委托有两种类型参数:sender、e;当然自定义的委托,参数的个数和类型可以自定。

定义委托格式:Public delegate void XXXHandler(Object sender,EventArgs e);


事件是对象发送的消息,以发信号通知操作的发生。操作可能是由用户交互(例如鼠标单击)引起的,也可能是由某些其他的程序逻辑触发的。引发事件的对象称为事件发送方。捕获事件并对其作出响应的对象叫做事件接收方。 

在事件通信中,事件发送方类不知道哪个对象或方法将接收到(处理)它引发的事件。所需要的是在源和接收方之间存在一个媒介(或类似指针的机制)。.NET Framework 定义了一个特殊的类型 (Delegate),该类型提供函数指针的功能。 

委托是可保存对方法的引用的类。与其他的类不同,委托类具有一个签名,并且它只能对与其签名匹配的方法进行引用。这样,委托就等效于一个类型安全函数指针或一个回调。虽然委托具有许多其他的用途,但这里只讨论委托的事件处理功能。一个委托声明足以定义一个委托类。声明提供委托的签名,公共语言运行时提供实现。 

二,举例

例如在Word下、或在VS下调试程序时,查找某个字符串:

设计思路

假设有主窗口MainForm,要查找某个字符。定义一个查找窗口SearchForm。点击查找后,在主窗口中去查找相应内容。为了查找窗口的通用性,即以后可能有别的主窗口(例如AppForm)也调用查找窗口去查找内容,在设计“查找(下一处)”按钮的代码时,不应该把具体的查找动作写在按钮事件中。因为这样做不知道不同的主窗口的查找方式是什么,而且不知数据是怎样提供的。最好的设计方案就是,查找窗口只是提供一个通用界面,至于怎么查找就由各个调用主窗口自己去实现。(这一点类似于公共对话框OpenFileDialog,它只是帮你选择了一个文件,而不用关心如何使用该文件)

如果用事件和委托的思想,可以这样做:在SearchForm定义一个查找事件SearchEvent,然后点击“查找”按钮只是触发了该事件,然后通过委托机制(函数指针)去执行某个函数(事件处理程序)。由于该事件还涉及到一个与之相关的数据: 被查询字符串,因此可以将SearchEvent理解为是一个带事件的数据。

如果一个事件带有事件相关数据,即默认的e参数类型EventArgs不适合此事件,需要自定义事件处理参数类型。

设计步骤

第一步:定义一个自定义的参数类型,主要目的是把数据传递给事件。

第二步: 定义一种委托类型,就是Handler,即某类型函数(参数)说明

第三步:在定义事件的类中(本例中为SearchForm窗口类),定义事件;

第四步,在定义事件的类中(本例中为SearchForm窗口类),说明事件的触发; 

说明:1,点击“查找”按钮触发事件;

2,一定要判断事件是否为空;

3,要传递数据(查询字符串),即实例化一个事件处理参数类;

4,执行事件;

第五步,在真正执行事件的类中(本例中为MainForm窗口类),定义一个函数,该函数与与第二步委托中的函数声明一致。其实就是事件发生后,执行的就是该函数。

第六步,在主窗口(类)中,把查找窗口的SearchEvent与本窗口的函数“关联”起来

备注:这个效果,可以通过修改SearchForm 的查找按钮的可见性(去属性窗口修改控件的Modifier为Public,默认为Private)来实现。

 

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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