4、面向对象编程

本文介绍了Python中面向对象编程的基本概念,包括类的定义与使用、属性与方法的访问限制、继承与多态的实现,以及如何获取对象的信息。

1、类

       A:定义
# class关键字,object父类
class Student(object):
	pass
       B:创建实例
stu = Student()
       C:可以自由地给一个实体绑定属性
stu.name = 'name'
       D:创建实例时直接绑定属性,类似java构造器
# 类名 __init__   第一个参数一定是表示创建实例本身
def __init__(self,name,score):
	self.name = name
	self.score = score
# 创建实例,self不需要传
stu = Student('name',100)
       E:定义一个普通方法
def outText(self):
	print 'name:' , self.name , ',score:' , self.score
# 访问
stu.outText()

 

2、访问限制

 # 让某些属性不被外界访问,在属性名前加'__' 两个下划线
 class Student():
		def __init__(self,name,score):
			self.__name = name
			self.__score = score
		def pri(self):
			print 'name:' , self.__name , ',score:' , self.__score
		# get/set方法
		def get_name(self):
			return self.__name
		def set_name(self,name):
			self.__name = name
	# 测试
	stu = Student('name',100)
	stu.pri()
	#print 'name = ' , stu.__name  无法访问

 

3、继承与多态

# 父类
class Animal():
	# 初始化,类似java构造器
	def __init__(self,name):
		self.name = name
	# 方法
	def run(self):
		print self.name , ' , run !'
# 子类	继承 Animal 共享父类非私有方法
class Dog(Animal):
	# 初始化,类似java构造器
	def __init__(self,name):
		self.name = name
# 子类	继承 Animal 共享父类非私有方法
class Cat(Animal):
	# 初始化,类似java构造器
	def __init__(self,name):
		self.name = name
# 测试
if __name__ =='__main__':
	animal = Animal('animal')
	animal.run() # animal,run!
	# 继承与多态  
	dog = Dog('dog')
	dog.run() # dog , run !  共享父类方法
	cat = Cat('cat')
	cat.run() # cat , run !  共享父类方法

4、获取对象信息

# 使用type() 返回类型
type(123)      # <type 'int'>
type('str')    # <type 'str'>
type(abs)      # 函数 <type 'builtin_function_or_method'>
type('animal') # 类:<class '__main__.Animal'>

# 使用isinstance() 判定是不是该类型,
isinstance(dog,Dog)      # true
isinstance(dog,Animal)   # true

# 使用dir()
# 获得一个对象的所有属性和方法
dir(123)
	#['__abs__', '__add__', '__and__', '__class__', '__cmp__', '__coerce__', '__delat
	#tr__', '__div__', '__divmod__', '__doc__', '__float__', '__floordiv__', '__forma
	#t__', '__getattribute__', '__getnewargs__', '__hash__', '__hex__', '__index__',
	#'__init__', '__int__', '__invert__', '__long__', '__lshift__', '__mod__', '__mul
	#__', '__neg__', '__new__', '__nonzero__', '__oct__', '__or__', '__pos__', '__pow
	#__', '__radd__', '__rand__', '__rdiv__', '__rdivmod__', '__reduce__', '__reduce_
	#ex__', '__repr__', '__rfloordiv__', '__rlshift__', '__rmod__', '__rmul__', '__ro
	#r__', '__rpow__', '__rrshift__', '__rshift__', '__rsub__', '__rtruediv__', '__rx
	#or__', '__setattr__', '__sizeof__', '__str__', '__sub__', '__subclasshook__', '_
	#_truediv__', '__trunc__', '__xor__', 'bit_length', 'conjugate', 'denominator', '
	#imag', 'numerator', 'real']

	# 配合getattr()、setattr()以及hasattr() 获取类型的属性以及方法
	setattr(obj, 'y', 19) # 设置一个属性'y'
	hasattr(obj, 'y') # 有属性'y'吗?ture|false
	getattr(obj, 'y') # 获取属性'y'   19
		# 获取不存在的属性,报错,但不存在是可以设置返回值
		getattr(obj, 'y',404)

 

 

 

 

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