Quartz使用例子

1.这个例子使用的是
[url=http://dl.iteye.com/topics/download/2c67454c-f52c-369b-a4c3-55c866fffc45][b]quartz-all-2.1.7.jar[/b],[/url]
[url=http://dl.iteye.com/topics/download/45006859-c491-3212-aa99-9a4e293271c1][b]log4j-1.2.16.jar[/b],[/url]
[url=http://dl.iteye.com/topics/download/e9cf1497-f1be-3a14-8ae9-9e4b62f4b939][b]slf4j-api-1.6.1.jar[/b],[/url]
[url=http://dl.iteye.com/topics/download/fb18072a-457c-3e39-9669-e20159624087][b]slf4j-log4j12-1.6.1.jar[/b][/url]

2.上代码

package com.demo;
import org.quartz.*;
import org.quartz.impl.StdSchedulerFactory;
public class TestQuartz {
public static void main(String[] args) throws SchedulerException {
SchedulerFactory schedulerFactory = new StdSchedulerFactory();
Scheduler scheduler = schedulerFactory.getScheduler();

JobDetail jobDetail = JobBuilder.newJob()
.ofType(HelloJob.class)
.usingJobData("Test1","Quartz")
.withIdentity("Test1","Group1")
.build();//通过JobBuilder构建JobDetailImpl 实例,也可以直接new JobDetailImpl

Trigger trigger = TriggerBuilder.newTrigger()
.withSchedule(CronScheduleBuilder.cronSchedule("0/3 * * * * ?"))
.forJob("Test1","Group1") //Trigger找到对应的名称为Test1组为Group1的Job,如果不存在则会在执行scheduler.scheduleJob(jobDetail,trigger);报错
.build();//通过TriggerBuilder构建CronTriggerImpl实例,也可以直接new CronTriggerImpl

scheduler.scheduleJob(jobDetail,trigger);//任务每3秒触发一次

scheduler.start();
}
}




package com.demo;

import org.quartz.Job;
import org.quartz.JobDataMap;
import org.quartz.JobExecutionContext;
import org.quartz.JobExecutionException;

public class HelloJob implements Job {

public void execute(JobExecutionContext context) throws JobExecutionException {
JobDataMap jobDataMap = context.getJobDetail().getJobDataMap();
String a = (String)jobDataMap.get("Test1");
System.out.println("Hello " + a);
}

}


任务的定义比较简单,只需要implements Job,实现execute方法即可,触发任务时,execute方法会执行.

示例定义的是一个每三秒执行一次的任务,通过TriggerBuilder构建Trigger实例,也可以直接通过new方式构建.

这个示例使用的是默认的quartz配置,如果指定配置,可以编辑一个Properties文件

schedulerFactory.initialize(props);//初始化指定配置<span></span>


转载自:[url]http://my.oschina.net/u/1042053/blog/135958[/url]
内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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