muduo库源码分析(3):异常类

本文介绍C++中如何使用backtrace函数获取调用栈信息,并通过fillStackTrace函数收集线程栈信息,最终实现异常类Exception的定义,包括如何记录异常信息及堆栈信息。
  • 异常类Exception
    前言:
#include <execinfo.h>
int backtrace(void** buffer,int size);
buffer:是一个指针数组,数组中存放的是调用过的函数地址
buffer----->    ---------------
                |  调用函数地址  |    
                ---------------
                |              |
                ---------------
                |              |
                ---------------
返回值:数组中存放的元素的个数

char** backtrace_symbols(void* const *buffer,int size);
将调用的函数地址转换成字符串
返回值:指针数组,数组中的元素是函数地址对应的字符串(编译期已确定)
注意:这里的数组是由malloc分配出来的,所以我们需要手动释放该数组内存,而数组中指向的字符串有系统释放。
重要函数:fillStackTrace()
// 获取线程栈信息
void Exception::fillStackTrace()
{
  const int len = 200;
  void* buffer[len];
  int nptrs = ::backtrace(buffer, len);
  char** strings = ::backtrace_symbols(buffer, nptrs);
  if (strings)
  {
    for (int i = 0; i < nptrs; ++i)
    {
      stack_.append(strings[i]);
      stack_.push_back('\n');
    }
    free(strings);
  }
}
  • 异常类定义(其他成员函数没什么难点)
    explicit :修饰的构造函数只能显示初始化
    成员函数加throw():该函数不抛出异常
class Exception : public std::exception
{
 public:
  explicit Exception(const char* what):message_(what)
  {
      fillStackTrace();
  }
  explicit Exception(const string& what)
  :message_(what)
  {
      fillStackTrace();
  }
  virtual ~Exception() throw(){};
  virtual const char* what() const throw();
  const char* stackTrace() const throw()
  {
      return stack_.c_str();
  }

 private:
  void fillStackTrace();
  string message_;// 保存异常信息 
  string stack_;// 保存堆栈信息
};
const char* Exception::what() const throw()
{
  return message_.c_str();
}
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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