第12周项目2 多种输入形式的处理(3、刑警的射击成绩)

/
*copyright (c)2014,烟台大学计算机学院
*All rights reserved
*文件名称:qwe.cpp
*作者:孙春红
*完成日期:2014年11月18日
*版本号:v1.0
*
*问题描述:输入若干个数据,表示刑警的射击成绩,编写程序使输出射击成绩的等级。
*输入描述:输入若干个数,表示刑警的射击成绩;
*程序输出:输出刑警射击成绩的等级数(A为9环以上,B为7环以上,C为五环以上,D为5环一下)。
*/
#include <iostream>

using namespace std;

int main()
{
    int a=0,b=0,c=0,d=0,n;
    while ((cin>>n)&&!(n>10||n<0))
    {
        switch (n)
        {
        case 0:
        case 1:
        case 2:
        case 3:
        case 4:
            d++;
            break;
        case 5:
        case 6:
            c++;
            break;
        case 7:
        case 8:
            b++;
            break;
        case 9:
        case 10:
            a++;
            break;
        }
    }
    cout <<"A:"<<a<<endl;
    cout <<"B:"<<b<<endl;
    cout <<"C:"<<c<<endl;
    cout <<"D:"<<d<<endl;

    return 0;
}


运行结果:

知识点总结:

学会了在循环结构中输入数据以及通过输入调控程序的完结。

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