cp rm mv命令

cp:

硬连接:与源文件占用同样空间,改动其中一个,另一个也会改变

软连接:与windows快捷方式类似,只是一个链接

-a 相当与-pdr

-p 连同文件的属性一起复制过去,而非使用默认属性

-d 若文件为连接文件属性,则复制连接文件属性而非文件本身

-r 递归复制

-i 若目标文件已存在,则覆盖时会先询问操作的进行

-l 进行硬连接 hard link 的连接文件的创建,而非复制文件本身

-s 复制成为符号连接文件symbolic link 及快捷方式

有种种的文件属性与权限的特性,所以在复制时,需要注意

1. 是否需要完整保留来源文件的信息

2.源文件是否为软连接文件 symbolic link file

3.源文件是否为特殊文件,如FIFO socket等

4.是否为目录

 

 

rm:

-f force

-i 删除前询问用户是否操作

-r recursive

一个文件名为 -aaa,删除它时需要rm ./-aaa而不能rm -aaa,因为rm -aaa会把-解释为参数

 

 

mv:

-f : force

-i : 提醒是否覆盖

-u:若目标文件已存在,但新文件较新,才会更新

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。 学习修改: 通过阅读模型中的注释查阅相关文献,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