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