面向对象与原型二

构造函数+原型模式

为了解决构造函数传参和共享问题,衍生出组合构造函数+原型模式。简而言之就是需要独立的部分用构造函数,需要共享的部分用原型。
优点:这种模式很好的解决了传参和引用共享的大难题。是创建对象比较好的方法。

function Box(name, age) {//不共享的使用构造函数
    this.name = name;
    this.age = age;
    this. family = ['父亲', '母亲', '妹妹'];
};
Box.prototype = {//共享的使用原型模式
    constructor : Box,
    run : function () {
        return this.name + this.age;
    }
};
var box1=new Box('lee',100);
alert(box1.run());//lee100
box1.family.push('哥哥');//在实例中添加'哥哥'
alert(box1.family());//['父亲', '母亲', '妹妹','哥哥']
var box2=new Box('jack',200);
alert(box2.run());//jack200
alert(box2.family());//['父亲', '母亲', '妹妹']

动态原型模式

动态原型模式是组合构造函数+原型模式封装后的形式
将原型封装到构造函数中

function Box(name ,age) {//将所有信息封装到函数体内
    this.name = name;
    this.age = age;

    if (typeof this.run != 'function') {//仅在第一次调用的初始化
        Box.prototype.run = function () {
            return this.name + this.age + '运行中...';
        };
    }
}

var box = new Box('Lee', 100);
alert(box.run());

PS:使用组合构造函数+原型模式,动态原型模式,要注意一点,不可以再使用字面量的方式重写原型,因为会切断实例和新原型之间的联系。

寄生构造模式(工厂模式+构造函数模式)

function Box(name ,age) {//将所有信息封装到函数体内
    var obj=new Object();
    obj.name = name;
    obj.age = age;
    obj.run=function(){
        return this.name+this.age;
    }
    return obj;
}

稳妥构造函数

在一些安全环境中,比如禁止使用thisnew。这里的this是构造函数里不能使用this,这里的new是外部实例化构造函数时不使用new,这种创建方式就叫稳妥构造函数

function Box(name , age) {
    var obj = new Object();
    obj.name = name;
    obj.age = age;
    obj.run = function () {
        return name + age + '运行中...';//直接打印参数即可
    };
    return obj;
}

var box = Box('Lee', 100);//直接调用函数
alert(box.run());

PS:稳妥构造函数和寄生类似。只是稳妥构造函数不使用thisnew

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划B样条优化技术,提升机械臂运动轨迹的合理性平滑性。文中还涉及多种先进算法仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模求解,展示了Matlab在机器人控制、智能算法系统仿真中的强大能力。; 适合人群:具备一定Ma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)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模神经网络控制的设计流程,关注算法实现细节仿真结果分析,同时参考文中提及的多种优化估计方法拓展研究思路。
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