项目经验分享

[color=cyan]DH师兄的经验分享:[/color]
[color=olive]就在公司工作的经验,针对shopxx项目的交流。[/color]


[color=darkblue]1.一个项目,要先分出模块来。不要把所有功能都写在一个模块里。如果这样的话,项目会变得非常臃肿,模块间的耦合性太强,维护起来很困难。尤其是在调试程序,找Bug的 时候,无形之中会增加很多负担,消耗很多时间。哪怕没有Bug,这么多的功能都写在一个模块
里,当你在继续增加一个功能模块的时候,都会觉得很累。臃肿的模块让你眼花缭乱了。[/color]


2.一开始做项目的时候,项目就要分好模块;之后,随着需求的变动、功能的增加而修改模块、增加模块。然后在每个模块中分好层,action,service, dao, model。按功能分模块,模块里再分层,这样就能降低模块间的耦合性。有利于项目维护,修改功能需求,查找程序的Bug。


[color=blue]
3.调试程序,myeclipse的断点测试。这是程序员很基本的技巧,一定要学会。一行一行测试,一个一个找,层层深入,我的空指针异常就是这么被解决的。
[/color]

[color=green]
4.解决异常:把平时碰到的异常收集起来,并添加上注释,还有,怎么解决这个异常的。以后碰到相同或者相似的异常,直接从异常仓库找到相同或者是类似的异常,根据注释就可以很快得解决这些异常了。[/color]
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