Blueprint —— Connecting Nodes

目录

一,Pin to Pin Connection

Pin Actions

二,Node to Node Connection

三,Drag-and-Drop Connection

四,Reroute Connections


        在蓝图中的图表上连接节点有多种方法;

一,Pin to Pin Connection

        连接节点的最常用方法为 引脚至引脚 连接,使用 鼠标左键 拖动一个引脚到另一个兼容的引脚上;鼠标悬停在一个兼容引脚上时将出现一个绿色的小勾;

        尝试连接两个不兼容的引脚时,将出现图标提示节点无法连接的原因;

        引脚拥有典型的颜色编码,反映出它们接收的连接类型

        存在连接两个不同类型引脚的情况,此时将创建一个 转换节点 

 

        将引脚拖至图表中的空白处,可放置新节点;松开 鼠标左键 后将出现快捷菜单;选择需要放置的节点后,节点将自动连接;

        也可选取现有连接,将其连接到另一兼容的引脚上;如图,长按 Control 键,点击引脚,将其拖至另一输入...;此操作将把连接移至另一引脚而无需重新连接;

Pin Actions

        如图,一些额外引脚相关操作可用于节点;

ActionCommand
引脚关联菜单右击引脚
着重显示连接线鼠标悬停到引脚上
连接到另一个引脚左击 + 拖拽到指定引脚
引脚过滤后的操作菜单左击 + 拖拽到图表
断开所有连接Alt + 左击引脚
移动所有连接Ctrl + 鼠标左键拖拽到引脚

二,Node to Node Connection

        使用变量时可选择一些 节点至节点 连接,以节约时间;如存在一个已连接的 Set 变量节点,希望在无需重新连接的前提下将其与另一变量交换,可拖动另一变量到该变量上,则会自动切换并保持连接不断;也可对已连接的 Get 节点执行相同操作;

三,Drag-and-Drop Connection

        使用变量的另一个捷径是执行 拖放(节点至引脚)连接;如图,Set Light Color 节点询问 New Light Color,直接将 Linear Color 变量拖放至图表中的引脚上;执行此操作后,变量自动与节点相连;

四,Reroute Connections

        在使用复杂或大型蓝图时,可能会出现连线杂乱无章的状况,需在图表中改变其显示方式,以便清楚可见;可利用选项添加一个 Reroute 节点,新增一个"延长线"类型到输出引脚,以便移动线路;

        Reroute 节点作为旧引脚,可被拖离;利用 Reroute 节点使蓝图整洁美观,使访问者对连接一目了然;

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
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