UISlider

创建UISlider

let slider = UISlider(frame: CGRectMake(50, 100, 280, 50))
slider.backgroundColor = UIColor.clearColor()
slider.minimumValue = 0//最小值
slider.maximumValue = 1//最大值
slider.value = 0.3//当前值
self.view.addSubview(slide

设置滑块样式Highlighted+Normal

 slider.setThumbImage(UIImage(named: "+1"), forState: UIControlState.Highlighted)
slider.setThumbImage(UIImage(named: "+1"), forState: UIControlState.Normal)

设置滑块左右颜色

slider.minimumTrackTintColor=UIColor.orangeColor()//左边槽的颜色
slider.maximumTrackTintColor=UIColor.grayColor() //右边槽的颜色

滑条两侧添加图标

slider.minimumValueImage=UIImage(named:"-1")  //左边图标
slider.maximumValueImage=UIImage(named:"+1")  //右边图标

设置滑槽左边和右边的图片的

slider.setMinimumTrackImage(UIImage(named: "-1"), forState: UIControlState.Normal)
slider.setMaximumTrackImage(UIImage(named: "-1"), forState: UIControlState.Normal)

设置滑块右边部分的图片-使用三宫格缩放(左右14像素不变,中间缩放)

let imgTrackRight = UIImage(named:"+1")
let imgRight = imgTrackRight!.stretchableImageWithLeftCapWidth(14, topCapHeight:0)
slider.setMaximumTrackImage(imgRight, forState:UIControlState.Normal)

  

slider.setValue(0.8, animated: true) //设置滑块的状态值+动画
slider.continuous = true//滑块滑动时后执行valueChange  false :停止滑动后执行, default = YES
slider.addTarget(self, action: Selector("sliderChange:"), forControlEvents: UIControlEvents.ValueChanged)
func sliderChange(slider: UISlider){
    print(slider.value)
}

 

来源:  http://www.cnblogs.com/spaceID/p/4976991.html 

转载于:https://www.cnblogs.com/spaceID/p/4976991.html

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma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)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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