16、编程中的选择结构与嵌套决策

编程中的选择结构与嵌套决策

1. 常量宏的优势

在编程里,使用常量宏比直接使用常量值更易于维护。以水费程序为例,若要更改常量值,只需修改常量宏定义;若直接在语句中插入常量值,则需修改所有操作该常量值的语句。

2. 4.5 节练习

2.1 自我检查

  • 修改 comp_use_charge 函数算法 :假设超过 100,000 加仑的部分费用加倍,前 100,000 加仑按基本费用计算。
  • 修改扁平垫圈问题 :让用户能计算一批圆形或方形垫圈的重量。给出算法及细化内容,绘制包含数据流信息的结构图,展示主程序与其子问题的关系,假设用户可指定垫圈类型。

2.2 编程

编写上述自我检查练习 1 中描述的 comp_use_charge 函数。

3. 更多问题解决

3.1 结构图中的数据流信息

结构图中的数据流信息显示了每个算法步骤的输入和输出,这是系统文档的重要部分。若一个步骤为变量赋予新值,该变量就是此步骤的输出;若步骤显示变量值或在计算中使用变量但不改变其值,该变量则为输入。

例如,在某个算法中, previous current 在原问题陈述里是问题输入,但在“获取数据”子问题中是输出,在“计算使用费用”子问题中又是输入。

3.2 使用函数子程序修改程序

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逼近,提升机械臂运动控制的精度效率。同时涵盖了路径规划中的RRT算法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高精度轨迹跟踪控制;④结合RRTB样条完成平滑路径规划优化。; 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神经网络训练,注重理论推导仿真实验的结合,以充分理解机械臂控制系统的设计流程优化策略。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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