Struts3_3.txt

本文详细介绍了Struts框架中Action组件的作用及其实现过程。Action作为请求分派器dispatcher,负责接收并处理ActionForm传递的数据,并根据数据的有效性决定是否进行业务逻辑处理。此外,还涉及如何在验证失败时向用户反馈错误信息的方法。

model,view
都已经出场了,下面是contoler;
acitonForm收集到的数据,如果验证合格,就通过控制器把,内容传送到映射的action类上,Action 充当了一个请求分派器 dispatcher。

action处于食物链的顶端,所以的需要很多的特征,也就是导入了很多的类。但是我们不用都显示出来,只要
import java.io.*;
import javax.servlet.*;
import org.apache.struts.action.*;
就搞定了,我们都是懒人,肯定不想把什么都写出来。
然后就是进入主题了
public ActionForward perform(ActionMapping mapping,
ActionForm form,
HttpServletRequest request,
HttpServletResponse response)
throws IOException, ServletException {
}
在这里执行的基本上也是把数据从actionform中提取,然后操作。如果出现异常,
catch{
ActionErrors errors = new ActionErrors();
errors.add(ActionErrors.GLOBAL_ERROR,
new ActionError("error.logon.connect"));
saveErrors(request,errors);
return (new ActionForward(mapping.getInput()));
}
如果验证失败,我们也需要返回一个消息,告诉用户,验证出项错误。
if (!validated) {
// 校验不匹配
ActionErrors errors = new ActionErrors();
errors.add(ActionErrors.GLOBAL_ERROR,
new ActionError("error.logon.invalid"));
saveErrors(request,errors);
// 返回输入页面
return (new ActionForward(mapping.getInput()));
}

如果一切正常,都朝着我们预想的方向前进,
// 在会话上下文中记录登陆用户,因为我们随后会用到
HttpSession session = request.getSession();
session.setAttribute(Constants.USER_KEY, form);


同时
// Log this event, if appropriate
if (servlet.getDebug() >= Constants.DEBUG) {
StringBuffer message =
new StringBuffer("LogonAction: User '");
message.append(username);
message.append("' logged on in session ");
message.append(session.getId());
servlet.log(message.toString());
}
在web.xml 中设置为:
<init-param>
<param-name>debug</param-name>
<param-value>2</param-value>
</init-param>

最后,当所有的信息发出,所有的工作干完, perform 方法返回一个ActionForward 给控制器
(ActionServlet)。这里, 我们发送控制到success forward:
// Return success
return (mapping.findForward(Constants.SUCCESS));

<forward
name="success"
path="/pages/Welcome.jsp"/> 

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,重点研究了正向与逆向运动学求解、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。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与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与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与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 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与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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
 
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