,,三菱MR-JE-C伺服电机FB功能块(适用Q系列PLC) 流水线项目，16个MR-JE-C电机，为了加快编程速度，特意做的一个FB功能块，内部采用局部变量+全局缓冲区的方式进行编程，多次调用不冲突! 适用于Q系列PLC和MR-JE-C的运动控制。 FB功能块包含回原位、PV速度模式、PP定位模式、正负限位、报警等功能。 通过设置功能块的站点号分别对网络中的MR-JE-C进行控制! ,关键词：三菱MR-JE-C伺服电机；FB功能块；Q系列PLC；回原位；PV速度模式；PP定位模式；正负限位；报警控制。,Q系列PLC优化的MR-JE-C伺服电机FB功能块：快速编程，多机控制

本文利用非静力平衡的中尺度模式MM5（V3）对2004年14号台风RANANIM （“云娜”）在登陆前近海加强及登陆初期的过程进行了54 h模拟，并加入人造台风优化初始场。结果表明：MM5能比较好地模拟出台风近海及登陆初期的移动路径及台风中心气压的变化。利用数值模拟结果，讨论了RANANIM （2004）台风在近海加强过程中的环流、动力和热力结构特征。发现在台风RANANIM近海加强的过程中对应有高空200 hPa净辐散场的存在，台风中心气压随净辐散值的增大而降低，反之亦然。净辐散值的减小对台风中心气压的

STM32 HAL 库实现乒乓缓存加空闲中断的串口 DMA 收发机制 STM32 HAL 库实现乒乓缓存加空闲中断的串口 DMA 收发机制，轻松跑上 2M 波特率。 STM32 中一般的 DMA 传输方向有内存->内存、外设->内存、内存->外设。通用异步收发传输器（Universal Asynchronous Receiver/Transmitter，UART），在嵌入式开发中一般称为串口，通常用于中、低速通信场景，波特率低有 6400 bps，高能达到 4~5 Mbps。 在 STM32 中使用 DMA 收发数据，可以节约可观的 CPU 处理时间。特别是在高速、大数据量的场景中，DMA 是必须的，而双缓冲区、空闲中断以及 FIFO 数据缓冲区也是非常重要的成分。 在本文中，我们将使用 STM32CubeMX 配置串口，首先使能高速外部时钟，然后设置时钟树。接下来配置串口，选择一个串口，设置模式为 Asynchronous，设置波特率、帧长度、奇偶校验以及停止位长度。然后添加接收和发送的 DMA 配置，注意在 RX 中将 DMA 模式改为 Circular，这样 DMA 接收只用开启一次，缓冲区满后 DMA 会自动重置到缓冲区起始位置，不再需要每次接收完成后重新开启 DMA。 在串口收到数据之后，DMA 会逐字节搬运到 RX_Buf 中。当搬运到一定的数量时，就会产生中断（空闲中断、半满中断、全满中断），程序会进入回调函数以处理数据。全满中断和半满中断都很好理解，就是串口 DMA 的缓冲区填充了一半和填满时产生的中断。而空闲中断是串口在上一帧数据接收完成之后在一个字节的时间内没有接收到数据时产生的中断，即总线进入了空闲状态。 现在网络上大部分教程都使用了全满中断加空闲中断的方式来接收数据，不过这存在了一定的风险：DMA 可以独立于 CPU 传输数据，这意味着 CPU 和 DMA 有可能同时访问缓冲区，导致 CPU 处理其中的数据到中途时 DMA 继续传输数据把之前的缓冲区覆盖掉，造成了数据丢失。所以更合理的做法是借助半满中断实现乒乓缓存。 乒乓缓存是指一个缓存写入数据时，设备从另一个缓存读取数据进行处理；数据写入完成后，两边交换缓存，再分别写入和读取数据。这样给设备留足了处理数据的时间，避免缓冲区中旧数据还没读取完又被新数据覆盖掉的情况。 但是出现了一个小问题，就是 STM32 大部分型号的串口 DMA 只有一个缓冲区，要怎么实现乒乓缓存呢？没错，半满中断。现在，一个缓冲区能拆成两个来用了。看这图我们再来理解一下上面提到的三个中断：接受缓冲区的前半段填满后触发半满中断，后半段填满后触发全满中断；而这两个中断都没有触发，但是数据包已经结束且后续没有数据时，触发空闲中断。 举个例子：向这个缓冲区大小为 20 的程序传送一个大小为 25 的数据包，它会产生三次中断，如下图所示。程序实现原理介绍完成，感谢 ST 提供了 HAL 库，接下来再使用 C 语言实现它们就很简单了。首先开启串口 DMA 接收。 #define RX_BUF_SIZE 20 uint8_t USAR_RX_Buf[RX_BUF_SIZE]; 在上面的例子中，我们定义了一个大小为 20 的缓冲区 USAR_RX_Buf，並将其设置为串口 DMA 的接收缓冲区。然后，我们可以使用 HAL 库提供的函数来开启串口 DMA 接收。 HAL_UART_Receive_DMA(&huart1, USAR_RX_Buf, RX_BUF_SIZE); 在串口收到数据之后，DMA 会逐字节搬运到 RX_Buf 中。当搬运到一定的数量时，就会产生中断（空闲中断、半满中断、全满中断），程序会进入回调函数以处理数据。在回调函数中，我们可以将数据写入 FIFO 中供应用读取。 void HAL_UART_RxCpltCallback(UART_HandleTypeDef *huart) { // 将数据写入 FIFO 中 FIFO_Put(USAR_RX_Buf, RX_BUF_SIZE); } 在上面的例子中，我们使用 HAL 库提供的回调函数 HAL_UART_RxCpltCallback 来处理数据。在这个函数中，我们将数据写入 FIFO 中供应用读取。这样，我们就可以轻松地实现高速的串口收发机制。 使用 STM32 HAL 库可以轻松地实现高速的串口收发机制，轻松跑上 2M 波特率。同时，我们还可以使用乒乓缓存和空闲中断来避免数据丢失和提高系统的可靠性。

在本文中，我们将深入探讨如何在Microsoft Foundation Class (MFC) 库中使用PNG图像来创建具有透明效果的按钮，并且会提供一个基于VS2015的完整工程示例。MFC是Microsoft为Windows应用程序开发提供的C++类库，它简化了Windows API的使用，使得开发者能够更方便地构建桌面应用程序。 PNG（Portable Network Graphics）是一种支持透明度的位图格式，通过使用Alpha通道，可以实现半透明和完全透明的效果。在MFC应用中，我们通常使用CBitmap和CDC类来处理图像，但它们并不直接支持PNG的透明特性。因此，我们需要引入额外的库，如libpng或GDI+，来解析PNG文件并利用其透明度信息。 1. **libpng库集成**：在MFC项目中，首先需要链接libpng库。这通常涉及到下载libpng源码，编译为动态或静态库，然后将库文件添加到项目的链接器设置中。同时，还需将对应的头文件路径加入到项目配置中。 2. **解析PNG图像**：使用libpng库提供的API，例如`png_create_read_struct()`和`png_init_io()`，来初始化读取结构并设置输入流。接着调用`png_read_image()`和`png_read_end()`读取图像数据。 3. **创建设备上下文对象**：在MFC中，CDC类代表设备上下文，用于图形绘制。创建一个CDC实例，并使用`CreateCompatibleDC()`创建一个兼容的设备上下文，以便绘制到内存位图。 4. **加载PNG到内存位图**：利用libpng解析出的像素数据，创建一个CBitmap对象，并将其绑定到兼容设备上下文。这个过程可能需要一些转换，因为MFC的CBitmap不直接支持Alpha通道，所以可能需要手动处理Alpha值。 5. **处理按钮状态**：在MFC中，按钮的状态包括普通、鼠标悬停（高亮）和禁用（灰度）。对于高亮状态，可以创建一个CBrush对象，使用`SetBkColor()`设置为按钮的高亮颜色，然后使用`CreateHatchBrush()`创建一个刷子，绘制高亮效果。对于灰度效果，可以使用算法将RGB颜色转换为灰度。 6. **重绘按钮**：在OnPaint()函数中，创建一个PAINTSTRUCT结构，然后调用BeginPaint()和EndPaint()进行安全的绘画。使用SelectObject()选择CBitmap到兼容设备上下文，根据按钮状态选择合适的图像，然后使用DrawState()函数绘制按钮。DrawState()函数可以自动处理按钮的各种状态，如按下、鼠标悬停等。 7. **事件处理**：为按钮添加消息处理函数，例如ON_WM_LBUTTONDOWN()、ON_WM_LBUTTONUP()和ON_WM_MOUSEMOVE()，根据鼠标事件更新按钮状态。 8. **资源管理**：在程序运行结束后，记得释放所有分配的资源，如CBitmap、CDC和设备上下文。 在提供的"PNG透明按钮工程"压缩包中，应包含以下组件： - 工程文件（.vcxproj） - 源代码文件（.cpp和.h） - libpng库文件（.lib和.dll） - 示例PNG图像文件 - 资源文件（.rc） 通过阅读和分析这些文件，你可以理解如何在MFC中实现PNG透明按钮，并将其应用到自己的项目中。这个示例是一个很好的起点，展示了如何将现代图像格式与MFC的经典API结合，为Windows应用程序增添更多视觉吸引力。

强化学习中样本的重要性加权转移 此存储库包含我们的强化学习中的重要性加权样本转移》的代码，该代码已在ICML 2018上接受。我们提供了一个小库，用于RL中的样本转移（名为TRLIB），包括重要性加权拟合Q的实现-迭代（IWFQI）算法[1]以及有关如何重现本文提出的实验的说明。 抽象的 我们考虑了从一组源任务中收集的强化学习（RL）中经验样本（即元组）的转移，以改善给定目标任务中的学习过程。 大多数相关方法都专注于选择最相关的源样本来解决目标任务，但随后使用所有已转移的样本，而无需再考虑任务模型之间的差异。 在本文中，我们提出了一种基于模型的技术，该技术可以自动估计每个源样本的相关性（重要性权重）以解决目标任务。 在所提出的方法中，所有样本都通过批处理RL算法转移并用于解决目标任务，但它们对学习过程的贡献与它们的重要性权重成正比。 通过扩展监督学习文献中提供的重要性加