webwork笔记之统一异常处理

本文介绍如何在WebWork框架中实现全局异常处理机制。通过在xwork.xml中配置全局异常映射,可以自定义异常页面,并利用Exception拦截器捕获并处理特定类型的异常。
 
  1. webwork提供了异常的统一拦截机制,只需要在xwork.xml中写如下代码  
  2. <global-results>  
  3.     <result name="myDaoExceptionPage" type="dispatcher">  
  4.      <param name="location">/WEB-INF/ExceptionPage.jspparam>  
  5.     result>  
  6. global-results>    
  7. <global-exception-mappings>  
  8.    <exception-mapping name="exceptionPage" exception="java.lang.ArithmeticException" result="exceptionPage"/>   
  9. global-exception-mappings>  
  10.   
  11. 注:定义全局页面,我们可以在action里,return “全局result中定义的名字”,如上是  
  12. return "myDaoExceptionPage";  
  13.   
  14. 全局异常处理:  
  15. 首先我们要对处理的action使用exception拦截器,这样,当抛出异常时,比如抛出ArithmeticException异常,我们上面配置的那个异常处理就会接手该异常,并把结果交给return为exceptionPage的页面  
  16. import=com.opensymphony.xwork.util.OgnlValueStack  
  17. import=com.opensymphony.xwork.ActionContext  
  18. import=com.opensymphony.xwork.interceptor.ExceptionHolder  
  19.   
  20. OgnlValueStack s = ActionContext.getContext().getValueStack();   
  21. ExceptionHolder e;  
  22. String s1 = new String("");//错误信息  
  23. String name = new String("");//异常名字  
  24.  for(int i = s.size();i>0;i--){          
  25. Object obj = s.pop(); //若通过chain跳转的,第一个弹出的对象并不是 ExceptionHolder  
  26.  if(obj instanceof ExceptionHolder){              
  27. e = (ExceptionHolder)obj;             
  28. Object o = e.getException();  
  29.  if(o instanceof MyException){                 
  30.  MyException we = (MyException)o;                 
  31.  name = we.getExceptionName();  
  32. }else if(o instanceof MyException){  
  33. ……//同上处理  
  34. }  
  35.  s1 =e.getExceptionStack();//错误信息  
  36. break;  
  37. }  
  38. }//end of for:  
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