项目3-警察和厨师2

#include <iostream>
using namespace std;
class Person
{
public:
    Person(int a,string n):age(a),name(n){}
    void action();
    string getname(){return name;}
    int getage(){return age;}

private:
    int age;
    string name;
};
class Polic:public Person
{
public:
    Polic(int a,string n,int l,int a1,string n1):Person(a,n),level(l),leader(a1,n1){cout<<"警察登场"<<endl;}
    void action();
    void arrest(Person &);
private:
    int level;
    Person leader;
};
class Cook:public Person
{
public:
    Cook(int a,string n,double s,Polic p):Person(a,n),salary(s),protector(p){}
    void getcake(int );
private:
    double salary;
    Polic protector;
};
int main()
{
    Person a(18,"tom");
    a.action();
    Polic b(25,"jack",5,45,"doge");
    b.action();
    Cook c(30,"cookie",3000,b);
    c.getcake(3);
    b.arrest(c);
    return 0;
}

void Person::action()
{
    cout<<" name "<<name<<" age "<<age;
}
void Polic::action()
{
    cout<<"警察"<<getname()<<"的年龄为"<<getage()<<","<<"等级为"<<level<<",上司是"<<leader.getname()<<endl;
}
void Polic::arrest(Person &p)
{   p.action();
    cout<<"被逮捕"<<endl;

}
void Cook::getcake(int n)
{

    cout<<"cook "<<getname()<<" give me "<<n<<" cske"<<endl;

}



运行结果:


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