OC基础05

OC基础05

继承和多态

1,NSObject类

对象和类中的isa指针,都是由NSObject其中的isa属性继承而来的

2,super关键字
  1. 子类不能定义与父同名的成员.
  2. super用于子类访问方法,但这个方法是父类所有,self也可以调用,但是一般建议用super调用.
  3. super只能调用方法不能访问属性.
3,属性的访问修饰符
  1. protected受保护的,子类和父类能访问(默认属性)
  2. private私有的当前类中访问.
  3. public公有的
  4. package只能用于当前target中访问.
    • * 无论如何都不在使用@public*
4,真私有属性

定义在@implementation内只有当前文件能访问,且外界无法看见其属性.只能通过set,get方法访问.

5,私有方法

不写方法的声明,只写方法的实现.只能在当前文件中调用
* 例子:婚恋中的对象属性
姓名知道,年龄外界不知道
婚恋状态外界不知道
磨皮外界不知道
打招呼方法外界知道

6,里氏替换原则(LSP)
  • 子类对象可以替换父类的对象的位置,功能不受影响
ZLPerson *p2 = [ZLStudent new];

表现形式:父类指针指向子类对象地址(学生本来就是一个人类,合情合理)

LSP的好处:
1. 一个指针,一个指针数组不仅可以存本类对象地址还可以以存子类对象地址
2. 如果一个指针是NSObject类型的,可存所有类的的对象.
3. 方法的参数是一个父类对象,参数可为父类或子类对象
LSP的局限性
只能通过父类指针访问子类对象中父类设定的属性,无法访问特有属性(原因未知)

7,多态

**1. 什么是多态?
同一种行为对于不同事物而言,具有不同的表现形式,这种现象就叫做多态.**

  • 继承,子类重写父类方法,父类指针指向子类对象
  • 好处:低耦合
    方法的重写:
    1,都有这个方法,但是子类的实现不同,或者子类认为父类的方法不够完善.
  • 特别注意:当一个父类指针指向子类对象,如果通过这个父类指针调动的方法被子类重写了,那么调用的就是子类的方法.(原因未知)
  • 继承体系中方法的调用顺序:先自己,后父类,最后OBJect,没有则报错
8,description

NSObject类中的方法(任何对象都可以调用),在%@时会被调用这个方法,输出的格式是@”<类名:类地址>”
注意:NSString类重写description方法,所以能输出字符串.

9,类在代码中怎么储存的

因为任何储存在内存中的地址都是有数据类型的,那么类以什么类型储存?

答案:类的本质其实是一个对象(Class类型的class对象)

第一种,类方法访问
        Class c1 = [ZLPerson class];
        c1内部已定义了指针类型
第二种,对象方法访问
        ZLPerson *p1 = [ZLPerson new];
        Class c2 = [p1 class];

其中class对象等价与ZLPerson类
* 类对象只能创建一次,只能在等号右边(不是一个数据类型,无法作为指针类型)

10,SEL数据

SEL是用于存储方法.是一个类,类中的方法其实实际是指向SEL对象的地址.,调用方法就发送一次SEL消息

       调用方法的两种形式:
             [Person run];

       手动发送SEL消息:
           [p1 performSelector:@selector(方法名:)];
           记得参数也是方法的一部分
内容概要:本文主要介绍了一个基于Matlab实现的无人机空中通信仿真项目,旨在通过数值仿真手段研究无人机在空中作为通信节点时的通信性能、信号传播特性和网络拓扑行为。该仿真涵盖了无人机飞行轨迹建模、无线信道建模(如路径损耗、多普勒效应、阴影衰落等)、通信链路建立与中断判断、信号干扰分析以及网络性能评估(如吞吐量、延迟、连接可靠性等)。项目可能结合优化算法或智能控制策略,用于优化无人机位置部署或动态路径规划,以提升通信服务质量。整个仿真系统为研究人员提供了一套完整的工具链,用于验证新型无人机通信协议、协作机制和网络架构的有效性。; 适合人群:具备一定Matlab编程基础和通信原理基础知识,从事无人机、无线通信、网络优化等相关领域研究的研发人员和高校研究生。; 使用场景及目标:① 评估无人机作为空中基站或中继节点的通信覆盖能力和网络性能;② 设计和优化无人机集群的通信拓扑与协同策略;③ 验证新型无线资源分配、移动性管理和抗干扰算法在动态空地网络中的有效性。; 阅读建议:使用者应结合Matlab代码深入理解仿真模型的构建逻辑,重点关注通信信道模块和无人机运动学模型的耦合关系,并可根据实际研究需求,对仿真参数(如环境噪声、飞行速度、天线增益)进行调整,以开展针对性的对比实验和性能分析。
内容概要:本文围绕微电网中光伏发电系统经逆变器带负载的完整仿真模型展开研究,利用Simulink平台构建了从光伏阵列建模、DC-AC逆变器控制(包括PWM调制与电压电流双闭环控制)、并网策略到负载响应的全过程仿真系统。重点分析了系统在不同工况下的动态响应特性与电能质量表现,并对并网控制策略、最大功率点跟踪(MPPT)技术及系统稳定性进行了深入探讨和验证。该模型不仅可用于教学演示微电网的基本架构与运行机制,更为科研提供了可靠的仿真平台,支持对新型控制算法与系统优化方案的有效验证与评估。; 适合人群:具备一定电力电子技术、自动控制理论基础及Simulink/MATLAB操作经验的电气工程、自动化等相关专业的本科生、研究生及科研人员。; 使用场景及目标:①用于高校课程教学中微电网系统结构与运行原理的直观演示;②为科研工作者提供光伏发电并网系统的仿真验证平台,支持开展逆变器控制算法(如双闭环控制、MPPT)、系统稳定性分析及电能质量管理等关键技术的研究与优化。; 阅读建议:建议学习者结合Simulink仿真环境动手搭建模型,重点关注各功能模块间的信号传递关系与关键参数设置,并通过调整光照强度、温度、负载大小等外部条件,观察系统动态响应过程,从而深化对微电网运行特性的理解与掌握。
内容概要:本文围绕“多变量输入超前多步预测”的光伏功率预测问题,提出了一种基于CNN-BiLSTM混合深度学习模型的研究方法,并提供了完整的Matlab代码实现。该模型首先利用卷积神经网络(CNN)提取输入气象数据(如光照强度、温度、湿度等)中的局部关键特征,捕捉变量间的空间相关性;随后,通过双向长短期记忆网络(BiLSTM)充分挖掘时间序列数据中的长期依赖关系,既能利用历史信息,也能结合未来时刻的上下文信息,从而实现对未来多个时间步长的光伏功率进行高精度预测。研究重点在于处理多变量输入和满足超前多步预测的实际工程需求,有效提升了预测的准确性与鲁棒性。; 适合人群:具备一定机器学习和深度学习理论基础,熟悉Matlab编程,从事新能源发电预测、电力系统调度、时间序列分析等相关领域的研究人员和工程技术人员。; 使用场景及目标:① 解决光伏出力受多重气象因素影响的复杂非线性预测问题;② 实现未来一段时间(如未来24小时)的功率超前多步预测,为电网调度、储能管理和电力市场交易提供决策依据;③ 学习和复现先进的CNN与BiLSTM融合模型在能源预测领域的具体应用。; 阅读建议:使用者应重点关注模型的网络结构设计、多变量数据预处理流程以及多步预测的实现策略。建议结合提供的Matlab代码,自行准备或替换实际的光伏电站运行数据与气象数据,通过调整模型超参数(如卷积核大小、LSTM隐藏层维度、训练周期等)进行实验,以深入理解模型性能并将其应用于具体的科研或工程项目中。
内容概要:本文介绍了一种基于Simulink的光伏储能单相逆变器并网仿真模型,系统性地实现了光伏储能系统与电网之间的能量转换与并网控制全过程。该模型涵盖逆变器的PWM调制、并网同步控制、功率调节策略以及储能单元的能量管理机制,能够精确模拟光照强度变化、负载波动及电网扰动等多种实际运行工况下的系统动态响应特性。通过模块化建模方法,模型具备良好的可扩展性与灵活性,便于研究人员对并网电能质量、控制算法性能及系统稳定性进行深入分析与优化设计。; 适合人群:具备电力电子、新能源发电或自动控制等相关专业背景的本科高年级学生、研究生,以及从事光伏并网系统研发的工程技术人员。; 使用场景及目标:①作为教学工具,帮助学生理解光伏并网逆变器的工作原理与控制逻辑;②服务于科研项目,用于并网控制算法(如PI、PR、重复控制等)的设计、仿真验证与性能对比;③辅助完成毕业设计或工程项目中的系统仿真环节;④为实际工程应用提供前期仿真验证与技术预研支持。; 阅读建议:建议使用者在学习前巩固电力电子技术和可再生能源系统的基础理论,按照模型结构逐步搭建与调试;可利用文中提供的仿真框图和参数设置进行复现,并尝试引入不同工况(如光照突变、电网电压波动等)以评估系统的鲁棒性与适应性。
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