spring aop _002

本文介绍了一种使用Spring AOP实现环绕增强与前置通知的方法。通过具体代码示例展示了如何定义环绕型拦截器MethodInterceptionTest及前置通知BeforMethodInterceptionTest,并配置它们来对指定的目标方法进行增强。

// 环绕型
package com.aop;

import org.aopalliance.intercept.MethodInterceptor;
import org.aopalliance.intercept.MethodInvocation;
import org.springframework.orm.hibernate3.HibernateTemplate;

public class MethodInterceptionTest implements MethodInterceptor {

private HibernateTemplate hiTemplate ;


public void setHiTemplate(HibernateTemplate hiTemplate) {
this.hiTemplate = hiTemplate;
}


public Object invoke(MethodInvocation m) throws Throwable {
Object obj = null;
try {
System.out.println("start .... ");
obj = m.proceed() ;
System.out.println("end ... ");
System.out.println(m.getMethod().getName());
System.out.println(hiTemplate.getSessionFactory().openSession().getClass().getName());
} catch (Exception e) {
// TODO: handle exception
}

return obj;
}

}


// befor
package com.aop;

import java.lang.reflect.Method;

import org.springframework.aop.MethodBeforeAdvice;

public class BeforMethodInterceptionTest implements MethodBeforeAdvice {

public void before(Method arg0, Object[] arg1, Object arg2)
throws Throwable {
System.out.println("我执行了"+arg0.getName());

}

}





[quote]
// 环绕型 aop 配置
<bean id="methodInterceptionTest" class="com.aop.MethodInterceptionTest" />

<aop:config>
<aop:advisor advice-ref="methodInterceptionTest" pointcut="execution (* com.service.*.*(..))"/>
</aop:config>

// befor aop 配置
<bean id="beforMethodInterceptionTest" class="com.aop.BeforMethodInterceptionTest"></bean>
<aop:config>
<aop:advisor advice-ref="beforMethodInterceptionTest" pointcut="execution (* com.service.*.*(..))"/>
</aop:config>
[/quote]
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
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