动态加载JS/CSS文件--改进版


function loadScript(url, callback,targetWin) {
if(!targetWin)
targetWin = self;
var script = targetWin.document.createElement("script")
script.type = "text/javascript";
if (script.readyState) { // IE
script.onreadystatechange = function() {
if (script.readyState == "loaded"
|| script.readyState == "complete") {
script.onreadystatechange = null;
if(typeof callback == "function")
targetWin.callback();
}
};
} else { // Others
script.onload = function() {
if(typeof callback == "function")
targetWin.callback();
};
}
script.src = url;
targetWin.document.getElementsByTagName("head")[0].appendChild(script);
}

//示例
function init(){
var flexWin = top.frames['flex'];
var url = "/web/test.js";
if(window.addEventListener){
flexWin.addEventListener('load',function(){
loadScript(url,null,flexWin);
},false);
}else if(window.attachEvent){
window.attachEvent('onload',function(){
loadScript(url,null,flexWin);
});
}else{
flexWin.onload =function(){
loadScript('test.js',null,flexWin);
}
}
}
/*
* 注意:frame中window对象的获取,需要采用上述形式。
如果使用 document.getElementsByTagName 或 getElementById 方法,拿到的是一个frame对象,通过该frame对象,我们可以通过 contentWindow来获取对应的window对象。但是,chrome不支持 contentWindow属性。
var frames = top.document.getElementsByTagName("frame");
alert(frames['a1'].contentWindow);//undefined in chrome
*/



//动态加载js、css内容,直接写入页面:

动态添加js/CSS的内容在页面上:
function loadScriptString(code){
var script = document.createElement("script");
script.type = "text/javascript";
try {
script.appendChild(document.createTextNode(code));
} catch (ex){
script.text = code; // IE
}
document.body.appendChild(script);
}


function loadStyleString(css){
var style = document.createElement("style");
style.type = "text/css";
try{
style.appendChild(document.createTextNode(css));
} catch (ex){
style.styleSheet.cssText = css; //IE
}
var head = document.getElementsByTagName("head")[0];
head.appendChild(style);
}

Usage:
loadScriptString('function sayHi(){alert("hi");}');

loadStyleString('body{background-color:red}');
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
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