ph项目20081208

晚上整理上个月的打车票,Mt说,我们11月7日两张,同事提醒是不是有个零点的?

 

加班已经两个多月了,每天10点以后走算是部门早的。

 

为了我们12月31的商业目标,大家都苦苦的撑着。

 

好像是人月神话种说,每个项目都是以日期为目标,没有以质量为目标。

 

这就是软件的商业生产。

 

但是最让人痛心的不是加班,而是废弃了让我们作呕的旧垃圾(版本),又慢慢看着新垃圾的产生。

 

为了日程表上为绿色,大家每日每页的赶进度,

 

当你两眼血丝,思维混沌的时候要写出优美的代码,

 

做出优美的设计,着实荒谬了一点。

 

前两天又受到ww生产环境的严重事故了。

 

整个集团一直在这种氛围下赶项目,每个部门比着谁用的时间短,谁加班多。

 

出来混总要还的,而且通常会加倍。

 

还是会想起infowarelab,从软件生产开始就以99.99%的高可靠性为目标。

 

因为承袭了webx的文化,承袭了做saas的精髓。

 

 

 

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