11月20日 周二 IDEA断点调试

本文详细介绍了一系列调试技巧,包括显示执行点、单步调试、进入方法、强制进入方法、跳出方法、返回调用处以及运行到光标处等操作。通过掌握这些技巧,开发者可以更高效地定位和解决问题。

在这里插入图片描述
在这里插入图片描述
第一个ALT+F10
Show Execution Point(显示执行点 )

在这里插入图片描述
第二个F8
Step Over(单步调试)
程序向下执行一行
(如果当前行有方法调用,这个方法将被执行完毕返回,然后到下一行)
在这里插入图片描述
第三个F7
Step Into
程序向下执行一行。如果该行有自定义方法,则运行进入自定义方法(不会进入官方类库的方法)
在这里插入图片描述
第四个ALT+Shift+F7
Force Step Into
该按钮在调试的时候能进入任何方法。
在这里插入图片描述
第五个Shift+F8
Step Out
在调试的时候进入了一个方法,觉得该方法没有问题,你就可以使用stepout跳出该方法,返回到该方法被调用处的下一行语句。值得注意的是,该方法已执行完毕。
在这里插入图片描述
第六个
Drop Frame
点击该按钮后,你将返回到当前方法的调用处重新执行,并且所有上下文变量的值也回到那个时候。只要调用链中还有上级方法,可以跳到其中的任何一个方法
在这里插入图片描述
第七个ALT+F9
Run to Cursor
运行到光标处
在这里插入图片描述
Resume Program F9
移动到下一个断点
在这里插入图片描述
View Breakpoints Ctrl+Shift+F8
查看断点

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