限制程序多开

http://www.cctry.com/thread-38070-1-3.html

1.创建新节法

为程序加入一个全局变量,让这个全局变量可以被程序的多个实例所共享,每当程序实例运行时就对该全局变量进行修改。通过访问该全局变量,就可以知道有多少个实例在运行了。当然,为了系统的安全和稳定性,默认情况下是不允许这样做得。为了阻止这种事情的发生,系统使用了copy-on-write(写入时拷贝)机制,不过我们可以使用创建新节的方法来绕过它。
#pragma data_seg("Shared") 
HWND hWnd=NULL; 
#pragma data_seg() 
#pragma comment(linker, "/Section:Shared,RWS") 

初始化函数中:
if (hWnd==NULL) 
{ 
    hWnd=m_hWnd; 
} 
else 
{ 
    AfxMessageBox(_T("只允许运行一个实例!")); 
    ::SetForegroundWindow(hWnd); 
    ExitProcess(0); 
} 


2.互斥体法
缺点是无法激活旧窗口,可以用CreateMutex,CreateEvent,OpenMutex等API实现
hObject=CreateMutex(NULL,FALSE,_T("互斥体")); 
if (GetLastError()==ERROR_ALREADY_EXISTS) 
{ 
    AfxMessageBox(_T("只允许运行一个实例!")); 
    ExitProcess(0); 
} 


3.查找窗口标题法
1.FindWindow

初始化函数中
hObject=CreateMutex(NULL,FALSE,_T("互斥体")); 
if (GetLastError()==ERROR_ALREADY_EXISTS) 
{ 
    AfxMessageBox(_T("只允许运行一个实例!")); 
    ExitProcess(0); 
} 

2.EnumWindows
BOOL CALLBACK MyEnumWndProc(HWND hwnd,LPARAM lParam) 
{ 
    TCHAR szCaption[256]={0}; 
    GetWindowText(hwnd,szCaption,256); 
    if (_tcscmp(_T("EnumWindows单实例"),szCaption)==0) 
    { 
        AfxMessageBox(_T("只允许运行一个实例!")); 
        ::SetForegroundWindow(hwnd); 
        ExitProcess(0); 
    } 
    return TRUE; 
} 

初始化函数中
EnumWindows(MyEnumWndProc,NULL); 
SetWindowText(_T("EnumWindows单实例")); 

3.GetWindow
TCHAR szCaption[MAX_PATH]={0};
HWND hWnd=::GetWindow(::GetDesktopWindow(), GW_CHILD);
while(hWnd!=NULL)
{
    ::GetWindowText(hWnd,szCaption,MAX_PATH);
    if (_tcscmp(_T("GetWindow单实例"),szCaption)==0)
    {
        AfxMessageBox(_T("只允许运行一个实例!"));
        ::SetForegroundWindow(hWnd);
        ExitProcess(0);
    }
    hWnd=::GetWindow(hWnd, GW_HWNDNEXT);
}
SetWindowText(_T("GetWindow单实例"));

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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