kbe常用宏展开示例(CLIENT_MESSAGE_DECLARE_STREAM)

本文详细解析了KBE游戏引擎中宏的使用,通过具体示例展示了宏如何减少代码重复,提高开发效率。文章深入探讨了客户端消息处理及RPC调用过程,对比了不同宏实现方式的优缺点。

虽然宏能减少重复代码编写,提高效率,但是属于机器语言,与人不太以好。不直观,不好调试。以下主要例举kbe中常用到的宏展开后的样子,以方便理解,阅读。

文件(client_interface.h),客户端消息处理,RPC调用过程类:

消息:onHelloCB

类定义:

//消息处理者
class onHelloCBClientMessagehandler_stream : public Network::MessageHandler { 
public: 
    virtual void handle(Network::Channel* pChannel, KBEngine::MemoryStream& s); 
}; 


//全局变量,处理者实例
extern const onHelloCBClientMessagehandler_stream& onHelloCB;


//消息参数
class onHelloCBArgs_stream : public Network::MessageArgs { 
public: 
	onHelloCBArgs_stream():Network::MessageArgs(){} 
	~onHelloCBArgs_stream(){} 
	virtual int32 dataSize(void) { return -1; } 
	virtual MessageArgs::MESSAGE_ARGS_TYPE type(void) { 
      return MESSAGE_ARGS_TYPE_VARIABLE; 
    } 
	virtual void addToStream(MemoryStream& s) { } 
	virtual void createFromStream(MemoryStream& s) { } 
};

类实现:

//消息处理的handle过程
void onHelloCBClientMessagehandler_stream::handle(Network::Channel* pChannel, 
   KBEngine::MemoryStream& s) { 
     KBEngine::ClientApp::getSingleton().onHelloCB(pChannel, s); 
} 


//创建并添加消息处理过程	
onHelloCBClientMessagehandler_stream* ponHelloCB = 
	   static_cast<onHelloCBClientMessagehandler_stream*>(
	   messageHandlers.add("Client""::""onHelloCB", 
                           new onHelloCBArgs_stream, 
                           -1, new onHelloCBClientMessagehandler_stream)); 
//初始化全局变量的值	   
const onHelloCBClientMessagehandler_stream& onHelloCB = *ponHelloCB; 

再看一个多个参数的实现(onCreatedProxies):

//消息处理器
class onCreatedProxiesClientMessagehandler3 : public Network::MessageHandler { 
public: 
	virtual void handle(Network::Channel* pChannel, KBEngine::MemoryStream& s); 
}; 
	
//处理器实例 
extern const onCreatedProxiesClientMessagehandler3& onCreatedProxies; 
	
	
//消息参数
class onCreatedProxiesArgs3 : public Network::MessageArgs { 
public: 
	uint64 rndUUID; 
	ENTITY_ID eid; 
    std::string entityType; 

public: 
    onCreatedProxiesArgs3():Network::MessageArgs() { 
        strArgsTypes.push_back("uint64"); 
        strArgsTypes.push_back("ENTITY_ID"); 
        strArgsTypes.push_back("std::string"); 
} 

    onCreatedProxiesArgs3(uint64 init_rndUUID, 
        ENTITY_ID init_eid, 
        std::string init_entityType): Network::MessageArgs(), 
            rndUUID(init_rndUUID), 
            eid(init_eid), 
            entityType(init_entityType) { 
        strArgsTypes.push_back("uint64"); 
        strArgsTypes.push_back("ENTITY_ID"); 
        strArgsTypes.push_back("std::string"); 
} 

~onCreatedProxiesArgs3(){} 

static void staticAddToBundle(Network::Bundle& s, 
    uint64 init_rndUUID, ENTITY_ID init_eid, std::string init_entityType) { 
    s << init_rndUUID; s << init_eid; s << init_entityType; 
} 

static void staticAddToStream(MemoryStream& s, 
    uint64 init_rndUUID, ENTITY_ID init_eid, std::string init_entityType) { 
        s << init_rndUUID; s << init_eid; s << init_entityType; 
} 

virtual int32 dataSize(void) { 
    return sizeof(uint64) + sizeof(ENTITY_ID) + sizeof(std::string); 
} 


virtual void addToStream(MemoryStream& s) { 
    s << rndUUID; s << eid; s << entityType; 
}
 
virtual void createFromStream(MemoryStream& s) { 
    s >> rndUUID; s >> eid; s >> entityType; 
} 

};

处理器实现:

//handle过程
void onCreatedProxiesClientMessagehandler3::handle(
    Network::Channel* pChannel, 
    KBEngine::MemoryStream& s) { 
        uint64 rndUUID; 
        s >> rndUUID; 
        ENTITY_ID eid; 
	    s >> eid; 
	    std::string entityType; 
	    s >> entityType; 
	    KBEngine::ClientApp::getSingleton().onCreatedProxies(
            pChannel, rndUUID, eid, entityType); 
} 
	
//实例赋值
onCreatedProxiesClientMessagehandler3* ponCreatedProxies = 
	  static_cast<onCreatedProxiesClientMessagehandler3*>(
	    messageHandlers.add("Client""::""onCreatedProxies", 
		new onCreatedProxiesArgs3, -1, 
		new onCreatedProxiesClientMessagehandler3)); 
		
const onCreatedProxiesClientMessagehandler3& onCreatedProxies = *ponCreatedProxies; 

 

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【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)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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