对象特性

对象特性（共4篇）

对象特性 篇1

面向对象方法早已成为开发易维护、易扩充、易重用的软件系统的主流方法, 使用面向对象方法开发的软件包括网站已经越来越多, 面向对象的思想已经成为值得每一位程序员理解和掌握的思想。但是很多学习编程的人还不理解面向对象方法, 甚至不了解面向对象的基本特性的含义, 在学习的过程中走着弯路。

那么, 面向对象有哪些基本特性?面向对象的基本特性很复杂吗?在本文中, 让农场的动物们来帮助我们, 解答这些疑问吧!

面向对象方法有以下几个基本特性:

(1) 抽象性

现实世界中的万物非常复杂, 比如农场中的牛, 有编号、身长、年龄、体重、体型、毛色、是否有角、健康状况、内部器官构成等宏观上和微观上数量庞杂的特性, 但是当用程序描述牛时, 不需要存储它的所有特性, 如右图1:

只需要存储牛的编号和年龄, 我们就可以用计算机描述一个牛对象了, 看起来很简单, 但这就是抽象。抽象有效降低了程序的复杂度。

(2) 封装性

对于一个牛对象, 我们可以请求它的公有行为使它叫一声:哞~~~ (通过程序模拟) , 却不需要知道它在内部是如何实现的。

而对于牛对象的私有属性, 如编号和年龄, 我们则不能直接看到, 只能请求牛对象告诉我们 (“get”函数) , 或者给出新的编号或者年龄请求牛对象接收和修改 (“set”函数) 。但是如果牛类没有设计get函数和set函数, 那么牛对象的私有属性对我们而言就是不可读也不可写的秘密了!

所以, 封装有效保护了对象的“隐私”, 使其免遭滥用和破坏。同时, 即使对象的“隐私”改变了, 只要我们能够发送的请求 (即调用的函数签名) 不变, 也不会对其它程序造成影响, 这样就有效地避免了连锁反应。

(3) 继承性

我们为什么需要继承?

前面的图1已经抽象出了牛类和马类, 以及牛类和马类的属性和行为。但我们发现, 牛类和马类的很多属性名和行为名都是相同的, 这样在编码时必然会造成代码的冗余。那么, 我们可不可以将牛类和马类相同的属性和行为提取出来, 生成一个共同的基类, 使牛类和马类继承基类获得属性和行为。这样, 就能有效地减少代码的冗余, 促进代码的重用。结果如图2:

这样, 牛类和马类就都有了“编号”和“年龄”。但是在行为上, 虽然牛和马都能叫, 但是牛和马的叫声是不一样的, 这就需要对继承下来的“叫”行为进行重写。所谓重写, 就是指子类继承基类的行为并修改其内部实现过程。

(4) 多态性

紧接着前面, 既然我们已经重写了牛类和马类的“叫”行为, 那么当我们对牛对象和马对象发送同一请求, 希望它们叫时, 牛对象和马对象产生了不同的行为 (牛叫“哞~~~”, 马叫“嘶~~~”) , 这就是多态。可以看出, 多态的实现依赖于继承和重写。

在解释了面向对象的基本特性后, 让我们继续来扩充我们的农场动物们对应的类吧!如图3:

可以看到, 我们又增加了鸡类和虫类。对于增加的鸡类, 没有问题。但是虫类, 问题却出现了——虫不一定能叫!我们想当然的认为, 所有农场动物都能叫, 因此将“叫”行为设计在了基类中, 造成了这个错误。对图4进行调整:

因此我们在设计类的层次结构的时候, 一定要谨慎和科学, 尤其是对基类。基类的特征的修改会影响到每一个子类, 不谨慎的话很可能会导致连锁反应。

但是总而言之, 利用面向对象的基本特性, 用面向对象的方法进行分析和建模, 是很有趣的事情, 本文在分析论述的同时, 也旨在抛砖引玉。欢迎所有对面向对象方法感兴趣的志同道合者, 给予指导和批评!

摘要：本论文借助农场动物们为例, 使用UML建模, 分析了面向对象程序设计方法的四个基本特性的含义, 并论证其作用, 指出易出现错误的地方, 旨在与对面向对象方法感兴趣的编程爱好者交流, 和为其提供参考。

关键词：面向对象,农场动物,基本特性

参考文献

[1]Jacquie Barker等.Beginning C#Objects中文版——概念到代码[M].韩磊等.北京:电子工业出版社, 2008

阿恩海姆论视觉对象的动力特性 篇2

一、视觉动力是正确评价视觉对象的需要

(一) 仅有简洁性是不够的

阿恩海姆认为, 一个视觉对象的呈现, 仅凭简洁律是不足以让观者对所观看到的一切做出正确判断的。简洁律是格式塔心理学的一种基本原则, 按照简洁律原则, 任何一种视觉图式, 在给定的情境下, 都会倾向于呈现一种现有视觉条件下的最简洁的“完型”, 借助于视觉具有的简化倾向, 我们就能够对完整性与不完整性、整体与部分、固体感与透明性、静止与运动等各种视觉现象的基本原理有一个初步了解。阿恩海姆在对简洁律意义肯定的同时, 认为仅有简洁律是不够的, 仅凭简洁律就会导致对视觉对象的片面评价。阿恩海姆分析了古希腊和谐感、均衡感的美感标准与“极少主义”作品的艺术标准, 意识到这两者对视觉对象的标准停留在认为只有当某些元素与某些元素配合才会产生和谐感的水平上, 因此难以逃离“不完备理论”的宿命。因为仅仅以主题对象为参考回答不了“视觉陈述”中最重要的问题:在视觉形式中, 被平衡和被统一的究竟是什么?不回答这个问题, 所有的“视觉陈述”就会变得无法理解。阿恩海姆提出, 简洁律必须与视觉动力理论结合起来, 才能对视觉对象做出正确的评价[1]。

(二) 在视觉形式中, 被平衡与被统一的是视觉动力

人类的生理机制与心理机制是开放的与动态的。人类的生理机制不是一个封闭的系统, 从生理学的角度讲, 随着身体中有用能量的损耗, 我们的生理机制将会努力地抵制这个过程, 要做到抵制, 就得不断地从环境中吸取热量、氧气、水分、糖和盐等, 以及身体必备的其他营养成分。同样, 从心理学的角度讲, 任何生物都会通过感觉系统来接收外部信息, 并对信息进行处理, 最终将这些信息转换成肌体的内部信息, 心理机制就是通过这个过程, 不断补充各种心理活动的能量的。我们的身心将不断面对这种变化, 并期待这种变化。因此, 人类的心理机制是不同信息的冲突与变化, 所以阿恩海姆认为探讨视觉形式中的平衡与统一问题以正确评价视觉对象, “仅以主题对象为参考是远远不够的”[2]。他这里所指的“主题对象”指物理世界中的不经人类心理机制作用的对象。

知觉场中最简洁视觉图式的呈现是视觉动力的冲突与平衡的结果。基于人类心理机制的动态性, 阿恩海姆倾向于将人类的心理机制设想成一种“张力加强”和“张力减少”之间的冲突。“张力减少”趋势在没有达到与绝对静止状态的统一之前, 将一直继续下去。“张力减少”的过程, 将不断受到合成代谢或建设性趋势的检验, 然后就形成了结构性主题, 这种结构性主题包含着现在的心理状态和未来的心理状态。阿恩海姆认为, 当眼睛瞄准某一目标时, 这个目标在视觉中投射的图像, 会以一种受约束的、结构性的主题出现在视觉场中。如果这个视觉刺激图式发生了某种偏离, 视觉场中的各种力, 就会再对这个主题进行重组或作出修改, 直到它呈现出最简洁图式为止。阿恩海姆对这一过程的看法是:“这时, 知觉中所发生的事件, 就使张力加强和张力减少之间开始了一场冲突。这一结果, 就是我们观看视觉对象时所发生的具有高度动力趋势的视觉过程。”[3]

二、视觉动力是视觉体验中的动力

(一) 一切视觉对象都具动力特性

阿恩海姆坚持一切视觉对象都是极具动力性特质的事件, 并强调这是所有的知觉活动的基础。他反对用纯粹的物理性质来描绘感觉现象中的那些普遍事实, 因为这样很容易忽视视觉对象的动力性。比如, 对一个等边三角形的客观描述:它是由三条长度相等的边, 构成三个60°夹角而形成的, 但在视觉中, 三角形所具有的指向外面的图形特征是一种攻击性。阿恩海姆认为, 即使是在最现实的情境中, 所有的视觉对象中都存在着动力特性, “当一块岩石挡住了我的去路, 我并不会首先用岩石的形状、大小、颜色这些维度来定义这块岩石, 而是首先体验到那种行进时一路向前的、充满动力体验的行走过程被突然出现的岩石终止了的心理体验。”[4]

在对艺术品的视觉动力特性探讨时, 阿恩海姆以霍华德·奈莫的诗歌为例, 认为在有些诗歌的描述中, 动力知觉充当了艺术表现性的特征。尼古拉·培温斯纳谈论哥特式建筑风格的设计意图的语言 (注:指哥特式建筑的设计意图是“想赋予那些僵硬冰冷的石材一种生命力, 或加速空间的运动感, 或者将建筑的体积收缩为一个人的知觉系统能够理解的、运动的线性系统”) , 受到阿恩海姆高度评价:“迄今为止, 我们还找不到一些更恰当的术语来描述观看哥特式建筑风格时所获得的视觉体验。”[5]因为在他看来, 任何建筑体的确立, 都不应仅限于将各种形状的石材堆积在一起, 只有借助“动力”这个词, 才能将这种知觉体验描述清楚。

(二) 视觉知觉不是来自物理位移的体验

阿恩海姆否定视觉动力是一种来自物理位移的经验, 否定视觉意象的知觉特性与客观位移有着完全的或部分的联系。在他看来, 当那些静止的形状即将给人留下一种真实的空间位移的印象时, 它们看上去必然就不具有动力感;反过来讲, 当那些静止的形状看上去具有动力感时, 它们却不见得给人留下一种真实的空间位移的印象。在均衡感不完善的构图中, 各种图形之间的位置关系就会变得不稳定, 这时, 整个构图显示出朝着更恰当的位置运动的倾向。这种倾向不是使作品变得更有动力感, 而是将运动感转变为整体构图中各种视觉元素的受阻状态。因此, 阿恩海姆断言, 视觉动力不是一种来自物理位移的经验, 只有当物体的运动真正发生或经过观者眼睛的检验即将发生的时候, 静止物体的运动感的特性才会出现[6]。

(三) 视觉动力是观者具有的自发性的知觉反应

阿恩海姆认为, 视觉动力并不仅仅存在于物理世界, 在刺激图示投射在我们视网膜上的图像中也会显现出来, 这种刺激图式决定了知觉内部所固有的动力究竟有多大, 这是由视觉动力的生理系统与心理系统的处理方式决定的。

视觉刺激材料到达我们的眼睛之后, 我们的知觉能将它对知觉机制形成的入侵性的力量反应出来, 这种外部力量将我们原有的知觉神经系统的平衡状态打破了。平衡被打破的过程就像一场争战, 一个原本完整的洞口, 经过我们有抵抗力的视觉组织的加工, 有可能变得支离破碎。阿恩海姆看到这种争战的结果就是那种入侵的力量试图战胜生理系统中的视觉力, 与此同时, 生理系统中的视觉力, 也在努力清除由入侵者带来的对视觉原有的完好性的攻击, 最后, 这场战斗以视知觉将入侵者简化成最简洁图式而告终。两者之间经过较量而达到的相对的力量对比, 决定了最后的知觉力的强度。视觉动力在经过生理系统处理的过程中, 心理系统也在同时进行着处理, 这就让观者感到了存在于那些静止图式中的那种有方向性的张力, 心理系统处理的结果就是这些视觉刺激被组织成一个知觉中的整体结构。这两种力量之间的争战, 永远都不会处于一种静止的状态。任何一种知觉经验中都存在着这样的动力性因素, 它与存在于那些静态的形状、大小和颜色中的动力因素一样, 既紧密又直接。阿恩海姆认识到, 对于敏感的眼睛来说, 即使是最简洁的图形——如明亮背景上的一个黑点——也会显示出一种力量, 从物体本身的内部向外膨胀、驱动, 最后受到外围环境阻力的制止的景象[7], 并强调:“所有视觉图像都具有视觉动力, 这是一个事实, 这个事实本身就能说明, 视觉动力是具有表现性的”[8]。

三、视觉动力是视觉对象的内在属性

瓦西里·康定斯基分析过点、线、面等视觉要素的特性, 他声称要用“张力”这个词来取代“运动”的概念。他认为“张力”是视觉元素所固有的内在力量, 是主动运动的一个不可缺少的成分, 因此, “张力”是有方向性的。阿恩海姆赞同康定斯基的说法并指出:“这种有方向性的张力, 就是我们所谈论的视觉动力”[9].张力不是观者依赖记忆进行想象而强加到知觉中去的, 它是形状、颜色、位移所具有的内在属性, 因此, 产生视觉动力的条件, 必须到视觉对象本身中去寻找。

自然物体常具有强烈的视觉动力。阿恩海姆认为自然物体常常具有强烈的视觉动力, 因为这些物体的形状, 正是创造这些物体的物理力的作用轨迹。运动、扩张、收缩都是生长的必然过程, 而这些过程本身又可以以动力形状呈现出来。大自然对我们来说是鲜活的, 这是因为, 大自然中的形状往往是以往发生的所有事件凝结而成的化石。以往的历史, 不仅向我们暗示着那些理性的效果, 而且要求我们直接去体验那些呈现并活跃在看得见的形状中的各种作用力和张力[10]。

阿恩海姆探讨视觉对象的动力性特征, 强调了视觉动力对人正确把握视觉对象的重要性, 提出了视觉动力是视觉对象的内在属性, 认为视觉动力是知觉体验中的动力, 认识到生理系统和心理系统对视觉刺激材料的不同处理, 对视觉现象与视觉艺术的研究具有极大的意义。

参考文献

对象特性 篇3

最近50年, 尽管控制理论和方法取得了很大的进步, 但PID控制器仍然是最通用、最普遍的控制器[1,2]。在所有的控制回路中, 超过90%是采用PID控制[2]。一项在冶金、化工和造纸等工业的统计表明, 97%的控制器采用了PID结构[3]。在嵌入式控制领域, PID控制器的应用也在不断增长[4]。因此, 用手动或自动方法, 高效可靠地获取PID控制器参数显得越来越重要。

2 估计方法

2.1 阶跃试验

阶跃试验通常在手动状态下以开环的方式进行。在试验数据的采样起始点, 即t=0的时刻, 要求系统处于稳态。这种稳态的起始条件要求很普遍, 在Hang, Wang等人[7,14]的FFT算法和Honeywell TDC3000XPID自整定控制器[16]的试验中, 都要求起始时刻系统处于稳态。为了满足这一要求, 可以在阶跃过程开始后, 启动一个稳态的识别过程, 只要判断出系统重新回到稳态, 就可以停止数据采样过程, 而完成FFT不足的采样数据和直到无穷区间的数据, 可用停止数据采样时刻的稳态值来填充。

2.2 高通滤波思想

如果一个过程可以用传递函数$G(s)=\frac{Y(s)}{U(s)}$来描述, 则该过程的频率特性可表示为:

$G(\text{j}\omega )=\frac{Y(\text{j}\omega )}{U(\text{j}\omega )}(1)$

式中:Y (jω) , U (jω) ——过程输出与输入信号的频谱。

粗略地看, 直接将FFT方法应用于y (t) 和u (t) 则很容易获得Y (jω) 和U (jω) , 继而确定G (jω) 。然而仔细分析会发现在这过程中存在两个问题:其一是y (t) 和u (t) 的稳态值一般不为零, 不逐渐收敛为零信号f (t) 的无穷区间的傅立叶积分式:

F (jω) =∫∞0f (t) e-jωtdt (2)

是不可积的;其二是试验的起始时刻y (t) 和u (t) 一般不为零, 由于对象频率特性G (jω) 是与传递函数G (s) 对应的, 而传递函数G (s) 的定义要求y (t) 和u (t) 及其各阶导数为零, 因此起始时刻y (t) 和u (t) 不为零的状态不满足传递函数定义的条件, 继而也不满足对象频率特性条件。

高通滤波器可以滤除稳态直流分量。将高通滤波器应用于对象输入输出采样数据中, 滤波后的稳态值只能是零。用同一高通滤波器来处理过程的输入输出数据, 并从滤波后的数据中按式 (1) 来获取对象频率特性。一方面解决了上述两大问题, 另一方面, 滤波器的影响又可以从式 (1) 的分式中彻底消去。

2.3 频率特性估计

设u (t) 、y (t) 为对象的输入输出信号, $\tilde{u}$ (t) 、$\tilde{y}$ (t) 为对象的输入输出经过相同参数的高通滤波器滤波后的信号。按照2.1所述的阶跃试验, 由于采样起始点和终止点对象都处于稳态, 因此u (t) 和y (t) 在采样起始点和终止点都为恒定不变的常数, 通过高通滤波器滤掉u (t) 和y (t) 的直流分量后, 将使$\tilde{u}$ (t) 和$\tilde{y}$ (t) 在采样起始点和终止点的数值, 以及终止点到无穷区间的数值都为零。对$\tilde{u}$ (t) 和$\tilde{y}$ (t) 信号进行傅立叶变换, 可得:

$\begin{array}{l}\tilde{U}(\text{j}\omega )={{\displaystyle \int }}^{\infty }0\tilde{u}(t)e{}^{-\text{j}\omega t}\text{d}t={{\displaystyle \int }}^{{\rm N}{\rm T}}0\tilde{u}(t)e{}^{-\text{j}\omega t}\text{d}t\\ \tilde{Y}(\text{j}\omega )={{\displaystyle \int }}^{\infty }0\tilde{y}(t)e{}^{-\text{j}\omega t}\text{d}t={{\displaystyle \int }}^{{\rm N}{\rm T}}0\tilde{y}(t)e{}^{-\text{j}\omega t}\text{d}t\end{array}(3)$

式中:N——FFT变换的数据点数;T——采样周期;NT——采样终止时刻。

对应于式 (3) 的傅立叶变换, 有相应的FFT:

$\begin{array}{l}\begin{array}{l}\tilde{U}(\text{j}\omega {}_i)\approx {\rm T}\underset{{\rm K}=0}{\overset{\infty }{{\displaystyle \text{Σ}}}}\tilde{u}({\rm K}{\rm T})e{}^{-\text{j}\omega {}_i{\rm K}{\rm T}}={\rm T}\underset{{\rm K}=0}{\overset{{\rm N}-1}{{\displaystyle \text{Σ}}}}\tilde{u}({\rm K}{\rm T})e{}^{-\text{j}\omega {}_i{\rm K}{\rm T}}\\ =FF{\rm T}[\tilde{u}({\rm K}{\rm T})]\\ \tilde{Y}(\text{j}\omega {}_i)\approx {\rm T}\underset{{\rm K}=0}{\overset{\infty }{{\displaystyle \text{Σ}}}}\tilde{y}({\rm K}{\rm T})e{}^{-\text{j}\omega {}_i{\rm K}{\rm T}}={\rm T}\underset{{\rm K}=0}{\overset{{\rm N}-1}{{\displaystyle \text{Σ}}}}\tilde{y}({\rm K}{\rm T})e{}^{-\text{j}\omega {}_i{\rm K}{\rm T}}\\ =FF{\rm T}[\tilde{y}({\rm K}{\rm T})]\end{array}\\ (i=1‚2‚\cdots ‚m)(4)\end{array}$

式中:$m=\frac{{\rm N}}{2}$;$\omega {}_i=\frac{2\text{π}i}{{\rm N}{\rm T}}$;u (KT) 和y (KT) (K=0, 1, …, N-1) 为u (t) 和y (t) 的采样值。所以, 对象的频率特性G (jω) 为:

$\begin{array}{l}G(\text{j}\omega {}_i)=\frac{Y(\text{j}\omega {}_i)}{U(\text{j}\omega {}_i)}=\frac{G{}_f(\text{j}\omega {}_i)\times Y(\text{j}\omega {}_i)}{G{}_f(\text{j}\omega {}_i)\times U(\text{j}\omega {}_i)}=\frac{\tilde{Y}(\text{j}\omega {}_i)}{\tilde{U}(\text{j}\omega {}_i)}\\ (i=1‚2‚\cdots ‚m)(5)\end{array}$

式中:Gf (jω) ——高通滤波器频率特性。

由式 (5) 可见, 对象频率特性是由输出信号的频谱与输入信号的频谱的比值来确定的。滤波器的引入虽然会造成U (jω) 与$\tilde{U}$ (jω) , Y (jω) 与$\tilde{Y}$ (jω) 之间的较大误差, 但基于相同特性的滤波器却不会给G (jω) 带来误差。因此, 高通滤波器既可以使传递函数的定义条件得到满足、解决傅立叶积分的可积性和FFT的能量泄漏, 又不会给对象频率特性的计算带来误差。

2.4 参数的确定

正确选择采样周期和滤波器频带是实现对象频率特性估计的重要内容。对象特性不同, 采样周期和滤波器频带也应不同。本文采用对象的穿越频率ωc来表征不同对象的不同特性。仿真结果表明, 采样周期T可由下式获得:

${\rm T}={\rm K}{}_{{\rm T}}\frac{2\text{π}}{{\rm N}\omega {}_{\text{c}}}(6)$

式中:KT一般取在5～20之间, 可在时域采样信号的分辨率和离散频谱的分辨率之间折衷;N——FFT变换点数, 通常取在256～1 024之间, 由运算速度和识别精度来确定;ωc可通过迭代的方式逐步精确化, 而初始的穿越频率值ωc0, 可由阶跃响应的上升时间Tr来粗略估算:

$\omega {}_{\text{c}0}=\frac{\frac{100}{{\rm N}}}{\frac{2\text{π}}{{\rm T}{}_{\text{r}}}}(7)$

初始穿越频率估计值ωc0对ωc的迭代过程的影响不大, 只要ωc0与ωc的相对误差不超过500%, 都可以使精确求取ωc的迭代过程收敛。

通过穿越频率ωc确定采样周期后, 高通滤波器的转折频率ωh就可直接由采样周期确定:

$\omega {}_{\text{h}}={\rm K}{}_{\text{h}}\frac{\text{π}}{{\rm T}}(8)$

式中:Kh一般取在0.005～0.05之间, 可在滤除稳态直流分量的响应速度和识别稳态增益的精度之间进行折衷。

2.5 闭环试验

理论上, 阶跃试验既可以以开环, 也可以以闭环的方式进行。但在闭环试验情况下, 会受到更多的限制。一种通常的限制条件是对象输入输出信号频谱要充分的丰富, 要在频率特性识别感兴趣的频率范围内, 有一定精度的幅值和相位, 特别是处在分式分母上的输入信号, 频谱的幅值和相位越小时容易造成较大的误差。另一种常在闭环试验中出现的约束条件是对象输入信号中存在不连续的尖峰信号, 如图1所示。

这种信号常出现在微分作用比较强的PID控制器的闭环试验中。由于FFT不能同时兼顾时域分辨率和频域分辨率, 因而为了保证对象频率特性的频域分辨率和识别精度, 所选用的采样周期不能无限制地缩小以减小尖峰信号的采样误差。较大的采样周期会在尖峰信号的采样时造成误差, 进而影响对象频率特性和识别精度;较小的采样周期将使频域的分辨率降低, G (jω) 的识别精度同样受到影响。

解决闭环试验中尖峰信号带来的识别误差可采用两条途径, 其一是在试验前去掉微分作用, 避免尖峰信号的出现;其二是以加大运算量为代价, 在减小采样周期的同时增加样本数量。采样周期T、样本数量N和频率分辨率Δω的关系式如下:

$\text{Δ}\omega =\frac{2\text{π}}{{\rm N}{\rm T}}(9)$

3 实 例

半实物实时闭环仿真系统软件结构如图2所示:

现场智能测控组件既是闭环控制器, 又通过可组态的控制系统典型环节模块实现被控对象的实时仿真。被控对象仿真和控制器的工作周期都为100 ms。位于监控计算机内的OPC服务器通过RS-232和现场智能测控组件连接, 查询周期为100 ms。LabVIEW应用程序完成数据采样、高通滤波、FFT变换和对象频率特性的识别, 通过DataSocket接口实时读取OPC中的过程数据。

在现场智能测控组件中仍以带延迟的一阶惯性环节作为被控对象:

$G(s)=\frac{{\rm K}}{{\rm T}s+1}e{}^{-\tau s}$

式中:比例系数K=1;时间常数T=10;时滞τ=5。取采样点数N=512, 采样周期Ts=0.55, 带通滤波器的高、低截止频率分别为0.2、0.01。通过OPC服务器采集的测控组件中OP、PV实际信号及其滤波后结果如图3、图4所示。由于系统要求起始、终止时刻都处于稳态, 故应取类似图3、图4中虚线框内的一段信号进行算法处理。此时采样点数N<256, 则补充稳定终点值使N=256。若N>256, 则将信号进行截断处理。

最终, 得到实际系统的频谱图如图5所示。从图中可以看到, 实际系统的幅频特性在中、高频段产生了波动, 这是由控制系统的实时处理、数据的传输延迟等因素引起的。但重要的低频段几乎和真实值重合。其中-180°处的频率特性点:ωc=0.365 9, 其对应的增益Ac=0.265 3, 相对于计算所得的真实值:ωc=0.371 2, Ac=0.259 7, 误差分别为1.43%、2.16%。

又分别令K=0.1、0.5、1.0、1;T=10、50、100;$\frac{\tau }{{\rm T}}$=0.1、0.5、1.0, 得到了基本相同的精度, 详细结果如表1～表4所示。

4 结 论

本文基于阶跃响应和FFT, 提出了一种获取被控对象频率特性的新方法。该方法有如下主要特征:第一, 该方法在一次阶跃试验中就可获取完整的频率特性, 可大大节省试验时间;第二, 所获得的对象频率特性具有相当的精度, 特别是用于控制器设计的重要频段[0, ωc], 其幅频特性和相频特性的精度完全能满足控制器设计要求, 并可方便地用于控制器参数的自动整定;第三, 样本数据可在线获取, 可通过手动操作、设定值阶跃、负载阶跃等自然控制过程中的数据来获取样本, 避免人为的试验过程, 克服了控制器参数整定过程对系统带来的干扰。

本算法对一阶惯性环节加纯滞后系统的有效性, 在半实物实时闭环仿真中, 已经得到全面的验证。

对象特性 篇4

1 我国大学生职业规划教育对象的特性分析

开展大学生职业生涯规划教育, 要对症下药, 就必须细致分析大学生对象特征。为此, 下面从国别差异、当前环境和历史文化影响、大学生与职员、学历水平等方面分析我国大学生职业生涯规划对象的特性。

1.1 职业生涯规划教育国别差异比较

与发达国家相比, 我国大学生的职业规划教育起步晚, 职业规划教育处于初级水平。首先, 发达国家职业生涯规划教育起始于基础教育阶段, 大学生专业学习与自身的兴趣、职业理想、职业目标关联性大;而我国职业生涯规划教育很少有开始于大学教育前的, 多数入学专业选择与兴趣无关, 纯粹为了升学、盲从选择专业、父母、老师意愿等造成了对自己所学不感兴趣, 有的学生甚至对未来茫然。其次, 发达国家职业生涯规划教育具有系统性、专业性、多样性, 我国目前很多高校没有将大学生职业生涯规划纳入教育内容, 即使有也是浅尝辄止, 处于初级水平。

1.2 大学生与职员差异比较

职业生涯规划最初起源于企业, 针对企业员工培训。企业员工培训多是为了让员工的职业生涯规划与企业目标相一致, 同时对部分员工岗位作出调整, 员工又在其岗位上具有实践经历, 因此, 能够更清晰地判断员工的职业潜能, 生涯目标更为明确, 发展路径更为具体。而大学生是准职业者。大学阶段的学习是为职业发展做准备, 大学生活要经历飞速成长, 其人生观、价值观、能力、素养等变化与否和变化程度不一, 大学生没有长时间的工作经验, 所以大学生更具有可塑性, 职业发展更具有不确定性特点。职业生涯规划教育要体现变动性, 也更需注重引导性。

1.3 受教育水平差异比较

与没有接受过大学教育的人相比, 大学生是知识文化掌握较多者, 更有理想和抱负, 综合素质高, 肩负的社会责任大, 大学生是知识文化、能力素质较高的劳动者。所以, 大学生职业生涯规划教育应把大学生的人生理想、社会发展, 大学生的个人现状和社会形势结合起来, 短期目标和长远目标, 职业目标和人生目标兼顾。

2 关于大学生职业生涯规划教育的几点思考意见

把握了大学生职业生涯规划教育对象的特殊性, 根据大学生职业生涯教育的现状, 结合相关研究成果, 下面提出当前或者今后开展大学生职业生涯规划教育的几点建议。

2.1 职业生涯规划不能等同于就业指导

就业指导属于职业生涯规划的一个部分, 大学生就业只是职业生涯规划的阶段性目标, 而职业生涯规划教育涵盖的范围、内容更多。其包括自我认知、认识社会环境、确立毕业时就业和生涯长期发展目标, 制定详细、具体可行性计划, 如何为职业做准备 (大学学习生活安排) 等。职业生涯规划教育不是就业集训班, 也不是大学后教育训练营, 应该贯穿大学教育的始终, 且是一个动态过程。

2.2 职业生涯规划教育对大学生学习、发展的引领作用

大学生职业生涯规划教育, 要不背离大学之精神和大学教育的目的, 职业生涯规划教育既要规划大学生的生存道路, 更要规划大学生的人生目标, 发挥引领学生成长的作用, 对学生学习起向导作用。千万不可把大学变为技术培训堂, 大学教育变为考证教育。每个老师都要发挥引领学生成长的作用, 并教会学生学习, 职业生涯规划教育的效果是全体教师的共同作用的结果。

2.3 大学生职业生涯规划教育的人才培养目标

职业生涯规划教育要特别培养大学生几个意识和几方面的能力。意识包括生存意识、发展意识、创造意识、健康意识;能力主要包括自我认知能力、认识环境的能力、抉择能力、计划能力、学习能力。

2.4 职业生涯规划教育要增加大学生社会实践

进行岗位胜任力特征分析等, 培养大学生了解社会和职业的能力, 需要指导学生通过多种途径, 如深入调查、躬身实践, 社会阶层有关的书本学习等。从而结合自身特色, 知己知彼, 然后确定职业目标, 并做就业学习准备。

2.5 专业化的教师队伍建设

通过梳理大学生职业生涯教育的内容和培养目标, 职业生涯规划教育的引领作用, 认为专业化的任课教师应具备以下要求: (1) 拥有心理学、人力资源管理等专业的理论知识背景; (2) 了解社会、对社会形势有准确的把握, 并能够指导学生参与社会调查、实践的能力; (3) 分析能力, 学习能力强, 能够灵活处理课堂; (4) 个别指导学生成长的能力。

参考文献

[1]诺斯威尔, 陈壁辉译.生涯规划理论[M].述评商务出版社.2003:7

[2]约翰·亨利·纽曼.大学的理想[M].浙江教育出版社.