第三周实验报告 任务二

通过实践调试,作者深入理解了类的基本概念及其成员函数的正确定义方式。文章详细介绍了类的属性和成员函数的重要性,并通过实例展示了如何避免常见的编程错误。

源代码:

#include<iostream>

using namespace std;

class Time
{
public://必须说明类内部分的属性,否则系统会默认为私有的


	void set_time(void);
  
	void show_time(void);

private://一般情况下数据成员定义为私有,成员函数定义为共有

	int hour;

	int minute;

	int sec;
};

int main()
{
	Time t;//一般不要使用全局变量 (看贺老后修改的) 
	
	t.set_time();

	t.show_time();

	return 0;
}

void Time::set_time(void)//定义函数类型时出错,应为void型。此处在定义类的成员函数,掉了“::”
{
	cin>> hour;//看贺老后修改的···去掉t.就变成哪个函数调用set_time输入哪个函数的hour

	cin>> minute;

	cin>> sec;
}

void Time::show_time(void)//定义函数类型时出错,应为void型。此处在定义类的成员函数,掉了“::”
{
	cout<< hour << ":" << minute << ":" << sec << endl;
}

截图:收获:通过自己的一点一点调试,似乎更加深入的了解了类的含义···

感想:发博文太迟了···不好意思····

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
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