7、设计原理作为解释的三个案例研究

设计原理作为解释的三个案例研究

1. 设计原理的潜力与案例研究概述

设计原理(DR)在提升复杂系统项目中终端用户和开发团队外部利益相关者的理解方面具有潜力,但此前对这一潜力的实证研究相对较少。接下来将介绍三个案例研究,探索DR在不同方面的应用,包括在部分受控环境下的研究生参与研究,以及两个实地研究,分别将DR用于技术转移和系统评估与迭代重新设计。这些案例揭示了利用DR解释潜力的挑战,同时也展示了DR为复杂系统可理解性做出贡献的机会。

2. 案例一:VentureQuery项目
  • 项目背景与目标
    • VentureQuery项目旨在探索能否利用DR的概念和技术,为软件应用提供可实施的嵌入式解释模型。该项目分析、设计并构建了一个用于在网络上创建和自动发布电子问卷的软件系统。目标是提供一个具有现实复杂度的项目作为DR的来源,并将DR捕获和结构化,以便为系统用户提供解释。
    • 项目团队由来自英国一所大学理学硕士课程的12名研究生组成,约一半成员有丰富的系统开发经验,且都对系统设计过程有浓厚兴趣。
  • 数据收集
    • 核心设计团队的21次会议进行了录音,设计团队成员与项目评审人员和潜在用户的另外3次会议也进行了完整记录,会议平均时长90分钟。录音被转录为文本文件,产生了超过400页的设计会议对话。
    • 除了设计会议录音,还分析了其他项目工件对DR的贡献,包括领域分析文档、设计文档(如活动挂图绘图)、各种统一建模语言(UML)图、会议议程和笔记以及团队成
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  | 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