Static

static

一旦用来static 关键字
那么这样的内容不再属于对象
而是属于类的
所有凡是本类的对象 都共享一份

static 可以修饰变量和方法
注意事项:
1 静态不能直接访问非静态

原因:因为在内存中是【先】有的静态内容 【后】有的非静态内容

2 静态方法当中不能用this
原因 this代表当前对象, 通过谁调用的方法 谁就是当前对象。

静态代码块
格式:
public class 类名称{
static{

 //静态代码块的内容

}
}

特点
当第一次用到本类时 静态代码块执行唯一的一次
静态内容总是优于非静态 所以静态代码块比构造方法先执行

静态代码块的典型用途
用来一次性对静态变量进行赋值。

package Test.StaticStudengt;//独立文件

public class StudengtStiatic {
static {
System.out.println(“静态代码块”);
}
StudengtStiatic(){
System.out.println(“构造方法”);
}
}

package Test.StaticStudengt;//独立文件

public class Test {
public static void main(String[] args) {
StudengtStiatic a1=new StudengtStiatic();
StudengtStiatic a2=new StudengtStiatic();
}
}

结果

静态代码块
构造方法
构造方法

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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
 
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