java反射

1、实例化当前javabean类
2、获取当前javabean类的所有成员变量.
3、设置set或者get方法
4、获取javabean成员变量类型
5、方法注入

public class HttpUtil {

public static Object getParameterValue(HttpServletRequest request,String ECID){
Object obj = null;
try{
obj = Class.forName(ECID).newInstance();
Class classType = obj.getClass();
// get all field
Field[] field = classType.getDeclaredFields();
for(int i=0;i<field.length;i++){
String params = field[i].toString();
Object value = (Object)request.getParameter(params);
String setMethod = "set" + params.substring(0,1).toUpperCase() + params.substring(1);
Method m = classType.getMethod(setMethod, new Class[]{field[i].getType()});
/* String getMethod = "get" + params.substring(0,1).toUpperCase() + params.substring(1);
Method get = classType.getMethod(getMethod, new Class[]{field[i].getType()});
inject get method
get.invoke(obj, new Object[]{value.toString()});*/
if(value != null && m != null){
if(field[i].getType().equals("class java.lang.Integer"))
m.invoke(obj, new Object[]{Integer.parseInt(value.toString())});
if(field[i].getType().equals("class java.lang.Double"))
m.invoke(obj, new Object[]{Double.valueOf(value.toString())});
if(field[i].getType().equals("class java.lang.Long"))
m.invoke(obj, new Object[]{Long.valueOf(value.toString())});
if(field[i].getType().equals("class java.lang.Float"))
m.invoke(obj, new Object[]{Float.valueOf(value.toString())});
else
m.invoke(obj, new Object[]{value.toString()});
}
}
}catch(Exception ex){
System.out.println("errMsg:" + ex.getMessage());
}
return obj;
}
}
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