您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. DGR-5A 型机器人控制系统的设计研究

  2. 机械手臂基于动力学模型的控制方法,计算力矩法,外回路,复合控制。 .
  3. 所属分类:制造

    • 发布日期:2016-01-14
    • 文件大小:35651584
    • 提供者:zrflij
  1. 5自由度机械手臂DH建模

  2. 5自由度机械手臂dh参数,运动学建模矩阵变换, .
  3. 所属分类:制造

    • 发布日期:2016-01-15
    • 文件大小:812032
    • 提供者:zrflij
  1. 应用OpenGL的建立机械手三维图形仿真系统.pdf

  2. 应用OpenGL的建立机械手三维图形仿真系统pdf,应用OpenGL的建立机械手三维图形仿真系统山国利技记又在线 http://www.paperedu.cn 方法,通过定义复杂几何实体模型类,利用Open 提供的多边形镶嵌工具米实现任意已知截面不规则 物体的三维自动生成,具体如图3所示。 图形机器人的运动是建立在机器人各关节坐标 其中 为平面的单位法矢量, 变换矩阵的基础上的。机器人的坐标变换一般是采 用齐次坐标变换的方法。首先确定机器人的基坐标 为平面上一点的 系,然后根据机器人手臂各连杆之
  3. 所属分类:其它

    • 发布日期:2019-10-09
    • 文件大小:336896
    • 提供者:weixin_38744270
  1. 5DOF机械手臂D-H建模

  2. 机器手臂 DH运动学模型 ,适用于MATLAB仿真,文档编写,公式都是手动输入的 .
  3. 所属分类:制造

    • 发布日期:2016-01-12
    • 文件大小:98304
    • 提供者:zrflij
  1. 基于深度学习的五指工业机器人手抓握检测方法

  2. 为了提高在不确定环境下机器人抓握的准确性,提出了一种基于深度学习的五手指工业机器人手模型目标检测方法。 作者首先设计了具有21个自由度(DOF)的五指工业机器人手模型。 基于5DT数据手套的传感器数据,可以实时控制工业机器人手。 他们使用对象检测网络的更快区域卷积神经网络和单发多盒检测器来定位抓取对象。 为了优化机械手抓地力检测,直接抓地力预测器和多模式抓地力预测器这两种抓地力预测器方法被应用于获得最佳的可抓握区域。 在本研究设计的仿真中,与六自由度机器人手臂配合使用,五指工业机器人手可以准确地
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38719643
  1. Practical_Machine_Learning_Assigment-源码

  2. 实用_机器_学习_习题 背景 使用Jawbone Up,Nike FuelBand和Fitbit等设备,现在可以相对便宜地收集有关个人活动的大量数据。 这些类型的设备是量化的自我运动的一部分-一群发烧友,他们定期进行自我测量以改善健康状况,发现行为方式,或者是因为他们是技术怪胎。 人们经常做的一件事是量化他们从事某项特定活动的数量,但很少量化他们完成某项活动的程度。 在此项目中,您的目标是使用来自6位参与者的腰带,前臂,手臂和哑铃上的加速度计的数据。 他们被要求以5种不同的方式正确和错误地进行杠
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:1024
    • 提供者:weixin_42101237
  1. Final_Project_Machine_Learning:该项目适用于机器学习课程-源码

  2. Final_Project_Machine_Learning 作者:Felix Garcia 重要的 重要提示,请访问链接以浏览出版物 重要提示,请参见此存储库中的PDF以查看完成的数据输出。 该项目是针对机器学习课程的 人们经常做的一件事是量化他们从事某项特定活动的数量,但是他们很少量化他们做某件事的程度。 在此项目中,您的目标是使用来自6位参与者的皮带,前臂,手臂和哑铃上的加速度计的数据。 审查标准菜单 您应该提交什么 您的项目的目标是预测他们进行练习的方式。 这是训练集中的“ cla
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:622592
    • 提供者:weixin_42132325
  1. ML-示例:Arm Machine Learning教程和示例-源码

  2. ML范例 使用的机器学习教程和示例的源代码。 项目和教程 手臂NN MNIST 使用Arm NN推理引擎部署TensorFlow MNIST模型。 Arm NN量化移动网络 使用Arm NN推理引擎部署TensorFlowLite量化MobileNet V1模型。 Arm开发人员网站(TBD)上的教程 是的,世界 使用TensorFlow探索手势识别并在Raspberry Pi 4 Model B,Pi 3和Pi Zero上转移学习。 多手势识别 从零开始训练卷积神经网络,以使用Tensor
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:80740352
    • 提供者:weixin_42129412