3.23培训日记

上午跟老师上课按钮的监听方法做了2个小练习猜数字和猜拳

猜数字在机房实现了猜拳是回来做的做了一下午做出来了 下回希望自己做的更快点!



按钮监听方法 




 private Button button1;
    private Button button2;




    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);


        intView();//初始化控件方法
        SetListtenres();//设置监听器
    }


    /**
    *  按钮设置监听器方法
    **/
    private void SetListtenres() {
        button1.setOnClickListener(new View.OnClickListener() {
            @Override
            public void onClick(View view) {
               //点了按钮之后要做什么
                Toast.makeText(MainActivity.this,"用户点击了一个按钮",Toast.LENGTH_SHORT).show();
            }
        });
        button2.setOnClickListener(this);
    }


    /**
     *初始化两个按钮控件方法
     */






    private void intView() {
        button1=(Button)findViewById(R.id.button);
        button2=(Button)findViewById(R.id.button2);
    }
    //点击第二个按钮要做的事
    @Override
    public void onClick(View view) {
        Toast.makeText(MainActivity.this,"点击了第二个按钮",Toast.LENGTH_SHORT).show();
    }
}

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
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