ExtJs4.0 TreePanel+CheckBox全选 .

本文介绍如何利用Ext.js库构建一个动态权限管理的树形面板,包括配置参数、数据获取方式以及节点操作逻辑。

  1. var mytree = new Ext.tree.TreePanel({  
  2.     id: 'ppdTree',  
  3.     x: 5,  
  4.     y: 5,  
  5.     width: 378,  
  6.     height: 470,  
  7.     useArrows: true,  
  8.     autoScroll: true,  
  9.     animate: true,  
  10.     enableDD: true,  
  11.     containerScroll: true,  
  12.     store: new Ext.data.TreeStore  
  13.                 ({  
  14.                     proxy:  
  15.                     {  
  16.                         type: 'ajax',  
  17.                         url: 'data/User/UserPopedom.aspx?parameter=ppdTree&userId=' + userId  
  18.                     },  
  19.                     root:  
  20.                     {  
  21.                         id: 0,  
  22.                         text: "选择权限",  
  23.                         leaf: false,  
  24.                         expandable: true,  
  25.                         expanded: true  
  26.                     },  
  27.                     sorters: [  
  28.                     {  
  29.                         property: 'leaf',  
  30.                         direction: 'ASC'  
  31.                     },  
  32.                     {  
  33.                         property: 'text',  
  34.                         direction: 'ASC'  
  35.                     }]  
  36.                 })  
  37. });  
  38. mytree.on('checkchange'function (node, checked) {  
  39.     node.expand();  
  40.     node.checked = checked;  
  41.     node.eachChild(function (child) {  
  42.         child.set('checked', checked);  
  43.         child.fireEvent('checkchange', child, checked);  
  44.     });  
  45. }, mytree);  

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,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