JS小小工具库

本文介绍了一个JavaScript工具库,包括获取DOM元素的方法、继承扩展、函数绑定及数组迭代等功能。通过这些工具函数,可以简化常见的编程任务,提高开发效率。
<script type="text/javascript">
	var dsy = {
		ID : function(_) {return document.getElementById(_);},
		N : function(_) {return document.getElementsByName(_);},
		create : function() { return function() { this.initialize.apply(this,arguments);}},
		extend : function(destination,source) { for(var properties in source) destination[properties] = source[properties];},
		bind : function(obj,fun) { return function() {fun.apply(obj,arguments);}},
		each : function(list,fun) {for(var i = 0,len = list.length; i < len; i++) fun(list[i],i)}
	}
	window.onload = function() {
		alert("test");
		alert(dsy.ID("test"));//测试ID方法是否正常
		alert(dsy.N("test")); //测试N方法是否正常
		var test = dsy.create();
		alert(typeof test);
		/*测试继承*/
		var obj = {'name' : 'testname'};
		dsy.extend(test,obj);
		alert("extends after : "+test.name);
		
		//测试绑定
		var obj1 = {'n':1,'s':'mm'}
		var testFun = function() { alert(this.n +'='+ this.s);}
		var fn  = dsy.bind(obj1,testFun);
		alert("bind after : " + fn());
		
		//测试each
		var testFun = function(current) { alert(current);}
		var list = [
			'a',
			'b',
			dsy.ID('test')
		];
		try {dsy.each(list,testFun);} catch(e) {alert(e.message);}
	}
</script>

 

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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