risc-v 函数hook理解


unsigned int inject_test( u8 *in_buff );
u8 g_test_str[64] = {'1', '2', '3'};


unsigned int make_asm_test( void )
{
    int ret;
    ret = 0x123;
    g_debug_buff[0x10] = 0x78;                             
    //macdbg_dmphex( (const char *)ram_buffer, 0x40 );
    //ret = asm_test_func();
    ret = inject_test(g_test_str);
    at_uart_log_string( "current sp666 = %#x\n", ret );
    return ret;
}


unsigned int inject_test( u8 *in_buff )
{
    u8 buff[32];
    u32 *pxx;

    memset( buff, 0x00, sizeof(buff) );
    memcpy( buff, in_buff, 32 );
    pxx = (u32 *)&buff[32];  

    pxx[0] = 0xd00a0dff;   //__stack_chk_guard canary
    pxx[1] = 0x12345678;   //reserve

    pxx[2] = 0x12345678;  //s1 alias x9
    pxx[3] = 0x12345678;  //s0 alias x8

    at_uart_log_string( "hook_test gp4 = %#x\n", get_gp() ); 
    __asm__ __volatile__("lw  gp, 60(sp)");   //保留hook前的返回地址到gp寄存器        
    pxx[4] = 0x00f02434;  //ra alias x1  ->hook_test
    
    at_uart_log_string( "inject_test = %s\n", buff );
    __asm__ __volatile__("nop");
    __asm__ __volatile__("nop");

    
    return 0x00;

}

//0x00f02434
EXT_SECTION_RAM_TEXT unsigned int hook_test( void )
{
    int ret;
    ret = 0x888;    
    at_uart_log_string( "hook_test gp = %#x\n", get_gp() ); 
    __asm__ __volatile__("sw  gp, 0x0c(sp)"); //恢复原始的(before hook)程序返回流
    return ret;

}

输出日志:

//hook_test gp4 = 0x102ef18
//inject_test = 123
//hook_test gp = 0x102ef18
//current sp666 = 0x888
//return value = 0x888.

堆栈结构:

old sp->ra
    s0
    s1
    reserve 
    canary  __stack_chk_guard
    32 bytes  buff[32]
    12 bytes reserve
new sp->old sp - 64

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