注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 机器人运动学仿真软件_XP能运行的.zip

  2. 机器人运动学快速成型软件说明 1概述 运动学是研究机器人的最基本基础。对于臂式机器人的研究现在已经很成熟，但是对于不同自由度的臂式机器人的数学建模、仿真研究还是很复杂，容易出现错误，在仿真时也不容易建立三维模型进行仿真研究。本软件采用DH参数法，只要一个DH参数表（熊有伦DH法），就可以建立任何臂式机器人（3自由度到7自由度均可）的三维仿真模型，同时，自动生成机器人的正向运动学、逆向运动学、轨迹规划、仿真示教和绘图写字功能。附加还实现了轨迹规划数据的文件导入和导出功能，同时通过相应驱动接口可方

  3. 所属分类：制造

    • 发布日期：2014-12-24
    • 文件大小：2mb
    • 提供者：a444258

  1. 998-2015年国赛赛题及知识点整理

  2. 资料附件内容 ①赛题及赛题解析  n1 N( C9 R6 y, c ②优秀论文18篇 ③线性规划、多目标决策 ①赛题及赛题解析% l  @9 ^3 J9 v     ②优秀论文7篇     ③、图论基础知识、最小生成树算法分析、哈密尔顿圈遗传算法、 ①赛题及赛题解析* R. K0 C" }) A) P     ②优秀论文10篇     ③0-1规划1、穷举算法、穷举法和递推法、算法与程序设计穷举法、 ①赛题及赛题解析8 e; G* E  [4 _  r9 I     ②优秀论文6篇" i3 r

  3. 所属分类：讲义

    • 发布日期：2016-08-25
    • 文件大小：323kb
    • 提供者：qq_24312945

  1. 基于灰色预测模型的短期交通流预测研究

  2. 为提高短时交通流预测模型精度，分析了 GM(1，1)模型和灰色 Verhulst模型的特点，发现 GM(1，1)模型适用于具 有较强指数规律的序列，只能描述单调的变化过程，而 Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的 S 形序列。短时交通流某一时段内数据具有饱和状态 S形过程的特性，采用 Verhulst预测模型比 GM(1，1)模型具有更高的 预测精度

  3. 所属分类：交通

  1. css入门笔记

  2. 1.css的概述 1.问题 HTML属性修饰有一定局限，是不太便捷 2.css的语法规范 1.使用css样式方式 1.内联样式 行内样式 特点：将css样式定义在HTML标记中 语法：<ANY 样式声明：用样式属性和值组成（属性:值;） 常用的样式属性： 1.颜色 属性 ：color 颜色 取值：颜色英文名 2.背景颜色 属性：background 取值 ：颜色 3.设置文字大小 属性：font-size 取 值：数值 px （pt） 2.内部样式 在网页独立地方声明所有样式 在头元素中

  3. 所属分类：讲义

    • 发布日期：2018-05-15
    • 文件大小：29kb
    • 提供者：qq_40838163

  1. 基于遗传神经网络模型的空气能见度预测

  2. "由于雾霾导致的空气能见度降低!给人们的出行带来很多不便% 针对这一现象!构建基于遗传神经网络算法 的空气能见度预测模型% 将与空气能见度相关的D 种气象因子和K 种污染物浓度因子经过主成份分析后作为输入数据! 输出@&** 能见度和+#&** 能见度% 该模型能够克服U]神经网络易陷入平坦区域和局部最优解的问题% 以西安市)*+?C+C +)@C+K 的数据训练遗传神经网络!通过使用灰色模型获得预测时间段@C+D))? 的输入数据!可以得到这段时间能见度的 预测值% 通过与U]神经网络模型的

  3. 所属分类：深度学习

    • 发布日期：2018-06-22
    • 文件大小：1mb
    • 提供者：azureskyy

  1. 灰色预测程序-greymodel.m

  2. 灰色预测程序-greymodel.m 该程序增加了自己定义预测步长的选择。 % 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是 GM。 % 原始数据的处理方法是一次累加法。 % y=input; n=length; yy=ones; yy=y; for i=2:n     yy=yy y; end B=ones; for i=1:     B=- yy)/2;     B=1; end BT=B; for j=1:n-1     YN=y; end YN=YN;

  3. 所属分类：其它

    • 发布日期：2019-08-14
    • 文件大小：901byte
    • 提供者：weixin_39840387