编码练习1

本文介绍了Python编程中的几个基本练习,包括数字求和、判断输入是否为整数、使用嵌套列表输出矩阵及矩阵运算。通过实际操作加深对Python语言的理解。

1.输入3个数字,达到3个数字求和,结束程序。

result = 0
for i in range(3):
    result += int(input("please input a number:"))

print(result)

执行结果:
在这里插入图片描述
2.用户输入不同的数据,当输入的数据达到3个数字的时候,求和结束程序。(数字可以是整数)
提示:判断是否整数的方法,isdigit()
遍历所有的输入数据,判断是否在0-9的字符串范围内

def isdigit(s):
    for i in s:
        if i not in "0123456789":
            return False
    return True

result= 0
times= 0
while 1:
    input_data = input("请输入数据:")
    if isdigit(input_data):
        result+=int(input_data)
        times+=1
        if times == 3:
            break

print(result)

执行结果:
在这里插入图片描述
在这里插入图片描述

def isdigit(data):
    try:
        float(data)
        return True
    except:
        return False

print(isdigit("1"))
print(isdigit("1.999999"))
print(isdigit("1/3"))
print(isdigit("5c"))
print(isdigit(""))
print(isdigit(1))

在这里插入图片描述
3.用嵌套列表的方式来输出一个矩阵
1 2 3
4 5 6
7 8 9

[[1,2,3],[4,5,6],[7,8,9]]
方法1:

l = [[1,2,3],[4,5,6],[7,8,9]]
for i in l:
    for j in i:
        print(j,end="  ")
    print("")

执行结果:
在这里插入图片描述
方法2:

l = [[1,2,3],[4,5,6],[7,8,9]]
for i in range(len(l)):
    for j in range(len(l[i])):
        print(l[i][j],end="  ")
    print("")

在这里插入图片描述
先求正、反对角线之和

l = [[1,2,3],[4,5,6],[7,8,9]]
result = 0
for i in range(len(l)):
    for j in range(len(l[i])):
        if i == j:
            result+=l[i][j]

print(result)

在这里插入图片描述

l = [[1,2,3],[4,5,6],[7,8,9]]
result = 0
for i in range(len(l)):
    for j in range(len(l[i])):
        if i+j ==2:
            result+=l[i][j]

print(result)

在这里插入图片描述
求下列矩阵边上的数之和
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
算法1:行号为0和4的所有元素都要相加
否则,只加第一个和最后一个

l = [[1,2,3,4,5],[1,2,3,4,5],[1,2,3,4,5],[1,2,3,4,5],[1,2,3,4,5]]
result = 0
for i in range(len(l)):
    for j in range(len(l[i])):
        if i == 0 or i == 4:
            result += l[i][j]
        else:
            if j == 0 or j == 4:
                result += l[i][j]

print(result)

在这里插入图片描述

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