b/s web工程上传附件 js

本文介绍了一个基于JavaScript的表单验证逻辑实现方法,确保所有必填字段已正确填写,并检查了日期有效性。通过该验证流程,可以避免无效数据提交到服务器。

<form name="DynaForm" enctype="multipart/form-data" onSubmit="return check();">

</form>

function check(){
   //alert("aaaaaaaaaaaaaaa");
   var worktask=document.getElementById("worktask").value;
   var limittime=document.getElementById("limittime").value;
   var count_stage=document.getElementById("count_stage").value; 

   var leader=document.getElementById("leader").value;  
   var reportdept=document.getElementById("reportdept").value;
  
   worktask=trim(worktask);
   limittime=trim(limittime);
   count_stage=trim(count_stage);
   leader=trim(leader);
   reportdept=trim(reportdept);
   
   if(worktask==""){
        alert("请填写工作任务");
       return false;
   }
    if(limittime==""){
        alert("请填写完成时限");
     return false;
   }
    if(count_stage==""){
         alert("请填写工作任务阶段数量");
      return false;
   }
    if(leader==""){
        alert("请填写分管领导");
     return false;
   }
    if(reportdept==""){
          alert("请填写承办科室(人员)");
    return false;
   }
   //alert("-----------"+count_stage);
    if(count_stage>0){
   for(i=1;i<=count_stage;i++){
    //alert("----"+i);
    var startdate = "workstartdate"+i;
    var enddate = "workenddate"+i;
    
    var workstartdate = document.getElementById(startdate).value;
    var workenddate = document.getElementById(enddate).value;
    
    if(!checkDate(workstartdate,workenddate)){
     alert("第"+i+" 阶段工作起始日期:"+workstartdate+"不能在结束日期:"+workenddate+"之后,请重新选择日期");
     return false;
    }
    var workcontent = "workcontent" +i;
    //alert("-1---"+workcontent);
    var workcontent = document.getElementById(workcontent).value;
    if(workcontent==""){
       alert("请填写第"+i+" 阶段工作内容");
       return false;
    }
   }
   }
   if(true) {
   
    document.DynaForm.action="save.jsp";
          document.DynaForm.method="post";
          document.DynaForm.enctype="multipart/form-data";
          document.DynaForm.submit();
    return true;
   }
 }

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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