WHVK-QP-09-01项目开工管理程序.docx

WHVK-QP-06-04项目经理部设立与撤消程序.docx

WHVK-QP-06-01项目建议与论证程序.docx

危废安全操作规程(QTR2-QP-28).doc

Practical UML Statecharts in C,C++, Second Edition(全)

QP状态机 第2版 中文 嵌入式系统的事件驱动型编程技术第二版

qp官网下载qpc，移植到stm32f103单片机，在正点原子战舰V3开发板上实验成功 qp搭建步骤重要提示： #define RED_QUEUE_LEN 3 #define BLUE_QUEUE_LEN 3 #define TACKER_EVENT_POOL_LEN (RED_QUEUE_LEN + BLUE_QUEUE_LEN) static QEvt const * l_redQueueSto[RED_QUEUE_LEN]; //事件队列 static QEvt const * l_blueQueueSto[BLUE_QUEUE_LEN]; //事件队列 static LedEvt LedEvtPoolSto[TACKER_EVENT_POOL_LEN]; //事件池 static QSubscrList SubSrcSto[MAX_PUB_SIG]; //订阅列表 typedef struct LedEvtTag LedEvt; //定义事件结构 struct LedEvtTag{ QEvt super_; uint16_t uiParaH; uint16_t uiParaL; }; //定义信号枚举 enum LedSignals{ START_SIG = Q_USER_SIG, KEY0_SIG, KEY1_SIG, KEY2_SIG, KEYUP_SIG, ALL_OFF_SIG, ONLY_BULE_SIG, ONLY_RED_SIG, ALL_ON_SIG, MAX_PUB_SIG }; void PublishLedEvt(uint16_t uiSig, uint16_t uiParaH, uint16_t uiParaL) //发布事件函数 { LedEvt* peTacker; peTacker = Q_NEW(LedEvt, uiSig); peTacker->uiParaH = uiParaH; peTacker->uiParaL = uiParaL; QF_publish_((QEvt*)peTacker); } QF_init(); //时间事件列表、活动对象查找表、优先级集合 QF_psInit(SubSrcSto, Q_DIM(SubSrcSto)); //初始化事件池 QF_poolInit(LedEvtPoolSto,sizeof(LedEvtPoolSto),sizeof(LedEvtPoolSto[0])); RedLed_Start(uiPrio++, l_redQueueSto, Q_DIM(l_redQueueSto), 0, 0); //建立活动对象 BlueLed_Start(uiPrio++, l_blueQueueSto, Q_DIM(l_blueQueueSto), 0, 0); /////////////////////////////////////////////////// typedef struct RedActiveTag RedActive; //构建一个活动对象活动类型 struct RedActiveTag{ QActive super_; volatile uint16_t RedLedStateNow; uint16_t a; uint16_t b; }; extern RedActive RedLed; RedActive RedLed; void RedLed_Start(uint_fast8_t prio, QEvt const *qSto[], uint_fast16_t qLen, void *stkSto, uint_fast16_t stkSize) { RedLed_Ctor(&RedLed;); QActive_start_((QActive*)&RedLed;, prio, qSto, qLen, stkSto, stkSize, (QEvt const *)0); //创立活动对象的线程并提醒 QF 开始管理活动对象 } void RedLed_Ctor(RedActive* me) { QActive_ctor(&me;->super_, (QStateHandler)RedLed_Initial); //初始化状态机基础类（成员 super） me->RedLedStateNow = 0; }

qp状态机中文版

基于模型预测控制( MPC) 理论的智能车纵向速度控制问题可以转换为二次规划问题。针 对该二次规划( QP) 问题，利用一种改进的有效集( IASM) 二次规划算法减少 MPC 计算成本。该方 法包含两步: 首先对等式约束引进一种降维算法; 然后利用梯度投影方向对有效集算法的搜索方向 进行改进。改进的 QP 算法减少了迭代次数，降低了 MPC 纵向控制的计算成本。仿真结果证明了 该方法的有效性。

QUADPROG2 - 凸二次规划求解器具有 SOLVOPT 免费软件优化器 1.1 版的新功能： *速度显着提高* 几何预处理* 改进的错误检查 用法： [x,v] = quadprog2(H,f,A,b) [x,v] = quadprog2(H,f,A,b,guess) [x,v,opt] = ... 最小化函数 v = 0.5*x'*H*x + f*x 受约束 A*x <= b。 初始猜测是可选的。 （“opt”返回 SOLVOPT 数据以供高级使用。详细信息可在SOLVOPT 文档位于以下标识的网站上。） 笔记： (1) 对于一个有 100 个变量和 300 个约束的问题，你将通常在 5 秒内得到结果。 然而，有时优化器必须工作更长时间（见下文） 优化。 提供警报。 （注：计算时间对变量的数量比它更敏感限制的数量。） (2) 进行10次以上的几何预处理尺寸，大大减少了计算时