Flex 模块 模块与应用之间的访问

本文介绍了Flex应用程序中不同模块间的交互方式,包括Application如何通过ModuleLoader访问模块的方法、模块如何访问Application及其相互间的访问,同时提供了给ModuleLoader传递参数的具体实现。
[size=large][b]Application访问模块 [/b]
用ModuleLoader载入的模块,application可以用child来访问module中的方法。比如在模块中有一个公共的objectMethod方法

Java代码

s = (m1.child as loaderModule).objectMethod();

如果使用ModuleManager,那么可以向下面这样:

Java代码


public var sm:Object=moduleInfo.factory.create() as loaderModule;

s = sm. objectMethod;

[b]模块访问Application[/b]

主要是使用parentApplication 属性:


// testProperty可以是application的一个属性或者方法,当然module的可移植性几乎就没有了

var aa:Object=this.parentApplication.testProperty;


[b]模块访问模块[/b]

有两个模块,可以通过Application来访问:

Java代码

<mx:ModuleLoader url="InterModule1.swf" id="m1"/>

<mx:ModuleLoader url="InterModule2.swf" id="m2"/>

s = parentApplication.m1.child. objectMethod ();

[b]给ModuleLoader传递参数[/b]
采用给url传递参数的方式,下面的是载入module的url

Java代码

var s:String = "QueryStringModule.swf?" + "firstName=" +ti1.text + "&lastName=" + ti2.text;

在模块中
Java代码
var myPattern:RegExp = /.*\?/;
var s:String = this.loaderInfo.url.toString();
s = s.replace(myPattern, "");
var params:Array = s.split("&");
var keyStr:String;
var valueStr:String;
var paramObj:Object = params;

for (keyStr in paramObj) {
valueStr = String(paramObj[keyStr]);
ta1.text += keyStr + ":" + valueStr + "\n";
}

for (var i:int = 0; i < params.length; i++) {
var tempA:Array = params[i].split("=");
if (tempA[0] == "firstName") {
o.firstName = tempA[1];
}
if (tempA[0] == "lastName") {
o.lastName = tempA[1];
}
}

if (StringUtil.trim(o.firstName) != "" && StringUtil.trim(o.lastName) != "") {
salutation = "Welcome " +o.firstName + " " + o.lastName + "!";
} else {
salutation = "Full name not entered."
} [/size]
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