实习杂谈(三)

这篇文章本来应该上周五发的,结果后面因为要联调所以搁置了。

距离上次写博客(实习周/月记)又是两个星期过去了。
先说上星期吧(08.05-08.09),主要就是一个项目的前置开发,说实话看着还挺懵的,用httpclient,把json转成object,转来转去,也没怎么仔细看,可能是因为要求的格式不同吧。但是实际操作其实很容易,无非是照着人家的代码写,然后就自己也没怎么动脑子orz,看懂了但是让我独立写出来还是比较难吧- - 这种习惯可不好,本来说是需要加密的,后来又说不用了TAT也不知道最后到底要不要
今天下午四点的时候忽然接到了上上星期写的几个接口要联调,离下班只有一个半小时了(现在只剩半小时),忽然意识到很多时候都是在等别人,时间就在互相等待中溜走了,当然同时好几个项目的好处就是这个项目需要搁置的时候,可以继续另一个项目。还有就是联调的时候忽然很担心,万一自己的代码出了非常严重的问题拖慢整个调试节奏怎么办,在想自己之前怎么没有更努力地测一测,再加上写这些代码已经有点久了印象也不太深,真的提心吊胆,幸好有一点问题但是问题不大。
这周的话主要是把之前写的前置部分上到了测试环境和管理端联调,在联调前自己也写过controller调过,觉得没有问题,但是联调的时候还是出问题了,因为对我来说基本不需要responseJson中的内容(除了需要在我的方法中要记录流水),就随便写了一个json串意思意思有返回值了,但是对于管理端来说可能是需要里面的内容的,不管是操作也好,还是转成DTO也好,所以responseJson不可以很随意,这点我疏忽了,所以只能重新提交代码然后找运维小哥哥更新到管理端。

上周好像本来还有一些想写的,我现在已经忘记了…也忘了上周还干了什么了orz 那也就只能到此为止了

内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
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