js实现上拉加载

js实现匹配pc端/移动端上拉加载

今天实现了一个PC端和移动端上拉刷新效果,就当做笔记先记一下,但如果能帮到哪位同学我也挺开心的~( ̄▽ ̄~)~

upLoad.js 代码片.

function upLoadFun(fun){
    // 判断是pc端还是移动端
    function judge(fun){
        var res,judgeFlag=0;
        window.onresize=()=>{//浏览器重置大小事件
            judgeFlag=1;
            var val = /.*Windows.*/ig;
            // console.log(navigator.userAgent);
            var str = navigator.userAgent;
            // console.log("val",val.test(str));
            res = val.test(str);
            fun(res) 
        }
        if(judgeFlag==0){
            var val = /.*Windows.*/ig;
            // console.log(navigator.userAgent);
            var str = navigator.userAgent;
            // console.log("val",val.test(str));
            res = val.test(str);
            fun(res) 
        }
    
    }
    var scrollFun = function(){
        // console.log("1",window.innerHeight,document.documentElement.clientHeight)//--屏幕高度
        // console.log("2",window.pageYOffset,document.body.scrollTop)//--可滚动高度
        // console.log("3",document.documentElement.scrollHeight,document.body.scrollHeight)//--整个页面高度
        // 屏幕高度 + 可滚动高度 >= 整个页面高度 --
        if(window.innerHeight+window.pageYOffset>=document.body.scrollHeight){
            console.log("别惹我,我可是有底线的,哼~")
            fun();
        }
    }
    judge((res)=>{
		// touchstart touchmove touchend  ---移动端的触摸事件 :开始触碰,滑动中,触碰结束
        console.log(res)
        if(res){
            window.removeEventListener("touchend",scrollFun, false);//删除追加事件
            window.addEventListener("scroll",scrollFun,false);//追加事件
        
        }else{
            window.removeEventListener("scroll",scrollFun, false);//删除追加事件
            window.addEventListener("touchend",scrollFun,false);//追加事件
        }
    })

}

upLoad.html 里调用.

	<script>
        var cnt =0,arr=[];
        upLoadFun(()=>{
            // 要加载的内容
            arr.push(cnt++);
        });
    </script>
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论 1
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