fusioncharts出图

解决程序调试两大难题
本文介绍了在程序调试过程中遇到的两大常见问题:所需文件未导入及中文乱码,并提供了解决方案。通过在json中使用'u'前缀来处理中文字符,并展示了如何利用数据生成图表的具体实现代码。

昨天下午加今天上午一直在调程序

结果调到最后,发现所有的问题无外乎两种

1、需要的文件没有导入

2、中文乱码问题

 

json里所有的数据都是没编码的,所以如果要写中文的话,需要在前面加上u

 

利用数据出图代码

html

 

<div id="chart-bandwidth"></div>

 

 $('#submit').click(function() {
            var day = $('#beginDate').val();
            var nodename = $('#nodename').find("option:selected").text();
            if (nodename == "0") {
                return;
            }
            FusionCharts._fallbackJSChartWhenNoFlash();
            var chartBindwidth = new FusionCharts("/static/swf/MSCombiDY2D.swf",
                    "cd", "100%", "300", "0", "1");
            var urlBigNode = "/bignode/bandwidth/";
            urlBigNode += "?nodename="+nodename;
            urlBigNode += "%26beginDate="+day;
            chartBindwidth.setJSONUrl(urlBigNode);
            chartBindwidth.render("chart-bandwidth");
        });

 

views.py

 

data = Bignode.objects.filter(**args).order_by("time")
    mscombidy2d = MSCombiDY2D(u"大节点带宽", beginDate)
    mscombidy2d.categories = {"category": [{"name": d.time.strftime("%H:%M")} for d in data]}
    print mscombidy2d.categories
    mscombidy2d.dataset = [
            {"seriesname": u"剩余带宽", "parentyaxis": "P", "color": "5a885e",
             "data": [{"value": "%s" %(d.remainBandwidth,)} for d in data]
        },
            {"seriesname": u"带宽利用率", "parentyaxis": "S", "renderas": "Line", "color": "dca657", "anchorbgcolor": "dca657",
             "data": [{"value": "%s" %(d.ratio,)} for d in data]
        }
    ]
    res = json.dumps(mscombidy2d.to_dict(), ensure_ascii=False, sort_keys=True, indent=4)
    return HttpResponse(res)
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
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