macOs程序坞动画效果支持10000个数据的时候的效果unity实现

using System.Collections;
using System.Collections.Generic;
using UnityEngine;
using UnityEngine.UI;
using UnityEngine.EventSystems;

public struct Padding
{
   
   
    public int top, bottom, left, right;
}
public struct Cell
{
   
   
    public int number;
    public GameObject go;
}
public class macOsDocker : MonoBehaviour,IPointerMoveHandler,IPointerExitHandler
{
   
   
    public ScrollRect scrollRect;
    public List<Transform> listItems = new List<Transform>();
    [Header("半轴的长度(世界坐标)")]
    public float halfRange;
    public float yMaxDis;
    public float maxAddScale;
    public RectTransform contentTrans;
    public RectTransform childParentTrans;
    private Padding offsetPadding;
    public LayoutGroup layoutGroup;
    public RectTransform viewportRectTransform;

    private List<Cell> currentCells = new List<Cell>();
    private List<MacOsCell> unRegularCellList = new List<MacOsCell>();
    private List<GameObject> cachedCells = new List<GameObject>();
    private int currentFirstCol;
    private int currentLastCol;
    private float cellX;
    private float spacingX;
    [Header("不够的时候用什么预制体创建")]
    public GameObject cellPrefab;
    [Header("模拟多少个总数数量")]
    public int totalCount;
    public int FirstCol
    {
   
   
        get
        {
   
   
            return GetColByX(-contentTrans.anchoredPosition.x - offsetPadding.left);
        }
    }
    private GameObject pendingDestroyGo;
    private void GetListItems()
    {
   
   
        listItems.Clear();
        for (int i = 0; i < transform.childCount; i++)
        {
   
   
            Transform child = transform.GetChild(i);
            if(child.gameObject.activeSelf)
            {
   
   
                listItems.Add(child);
            }
        }
    }
    public int GetColByX(float scrollLeftX)
    {
   
   
        if (unRegularCellList.Count <= 0)
        {
   
   
            var col = (int)(scrollLeftX / (cellX + spacingX));
            return Mathf.Clamp(col, 0, totalCount - 1);
        }
        else
        {
   
   
            var col = (int)(scrollLeftX / (cellX + spacingX));
            var begin = unRegularCellList[0].index;
            if (col <= begin)
            {
   
   
                return Mathf.
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
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

打赏作者

JustEasyCode

谢谢您

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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