slf4j logback 配置 使用

/*
 * http://code.google.com/p/anttesttools/
 * slf4j+logback 使用
 * site: http://www.slf4j.org/   http://logback.qos.ch/
 * jar: slf4j-api-*.jar logback-core-*.jar logback-classic-*.jar
 */
package anttesttools.slf4j;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

/**
 *
 * @author anttesttools
 */
public class SLF4J
{

    private static Logger log = LoggerFactory.getLogger(SLF4J.class);

    public static void main(String[] args)
    {
        log.debug("debug");
        String str = "this is info";
        log.info("{}", str);
        String str2 = "警告";
        log.warn("这是一个{}", str2);
    }
}

 

  <?xml version="1.0" encoding="UTF-8" ?> 
<configuration>
  <Property name="log.base" value="./logs/anttesttools" /> 
 <appender name="FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
  <File>${log.base}.log</File> 
<rollingPolicy class="ch.qos.logback.core.rolling.FixedWindowRollingPolicy">
  <FileNamePattern>${log.base}.%i.log</FileNamePattern> 
  <MinIndex>1</MinIndex> 
  <MaxIndex>5</MaxIndex> 
  </rollingPolicy>
 <triggeringPolicy class="ch.qos.logback.core.rolling.SizeBasedTriggeringPolicy">
  <MaxFileSize>5MB</MaxFileSize> 
  </triggeringPolicy>
 <layout class="ch.qos.logback.classic.PatternLayout">
  <Pattern>%date [%thread] %-5level %logger{80} - %msg%n</Pattern> 
  </layout>
  </appender>
  <logger name="anttesttools" level="debug" /> 
 <root level="warn">
  <appender-ref ref="FILE" /> 
  </root>
  </configuration>

 

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