20、状态机开发:QEP 与状态模式的深度解析

状态机开发:QEP 与状态模式的深度解析

1. 状态转换与参数处理

在状态机开发中,状态转换和参数处理是常见的问题。例如,从 “stateA” 到 “stateB” 的转换只能由 EVTB_SIG 触发。在进入 “stateB” 时,程序员可能需要访问与 EVTB_SIG 关联的 EvtB 结构中的参数 foo。然而,直接将通用事件转换为 (EvtB const *) 是错误的,因为进入 “stateB” 时,原始的触发事件 EvtB 已无法访问。实际上,进入动作是由保留信号 Q_ENTRY_SIG 触发的,它与 EvtB 事件结构无关。

正确的处理方式有两种:
- 在由该事件触发的转换上直接执行依赖于事件参数的操作,而不是在进入动作中执行。
- 将事件参数存储在扩展状态变量中,这些变量可以通过 “me” 指针访问,并且在进入/退出动作或初始转换中都可以使用。

2. 初始转换的目标状态

初始转换必须指向定义该初始转换的状态的直接或间接子状态。以下是正确和错误初始转换的示例:
| 类型 | 示例 |
| ---- | ---- |
| 正确 | 初始转换跨越多个状态层次,但始终指向给定状态的直接或间接子状态 |
| 错误 | 如 “stateA1” 的初始转换指向 “stateA21”,而 “stateA21” 不是 “stateA1” 的子状态,这种状态机根据 UML 语义是格式错误的,在 QEP 中编码会导致事件处理器崩溃 |

3. switch 语句外的代码问题

在使用 QEP 时,每个通过 QHsm_dispatch() 函数调度的事件可能会导致调

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