前言：好久没摸proe了，好多功能都忘得差不多了，图都快画不来了，感觉还是要做个笔记，以后看的话也更快能想起。1. Proe的基本操作shift+鼠标中键 = 平移，ctrl+鼠标中键 = 缩放，鼠标中键旋转。基准设置，拉伸，视图显示设置。一些常用功能：1.扫描2.混合3.扫描混合4.螺旋扫描5.可变截面扫描2. 三维模型转二维cad  画好三维模型之后，先取消平面坐标系基准轴线等的视图显示，然后

第一次嵌入式课程大作业一年级下的嵌入式期末考试，当时做完忘记录一下了，现在开始上传，留下学习脚印。课程要求：（1）记录24小时内 当前环境的 温、湿度、存入数据库 （每分钟记录1次）；（2）如有人靠近树莓派1米以内时，记录靠近的时刻、持续时间；（3）绘制24小时内，温、湿度的变化曲线，把人的活动标注在曲线上；（4）分析当人靠近、停留多长时间会对温、湿度产生影响；此课程要求需要用到linux,mys

激光测距传感器FT55-RLAM-800注：针对我们所使用的激光测距传感器FT 55-RLAM-800，不同测距传感器处理方式不完全相同。激光测距传感器的数据处理步骤为：1.得到传感器的测量数据  打开友善串口调试助手，设置选项为上图所示。选择好端口号，波特率和数据位设置正确后，自行设置合适的采样频率，点击播放按钮，然后在下面的白框中输入神秘指令 81 04 41 44，准备好后，点击发送，在上面

0 引言  最近朋友喊帮忙做一个仿真程序，遂接触了用小波包变换结合神经网络的方法来分析发动机齿轮箱故障类型，查阅了几篇文献后，觉得这种方法很是巧妙，竟然能够分析出齿轮箱哪个部位发生了故障。经过仔细的研读后，成功对文章的内容进行了复现，这里把文章中没有讲到的一些细节做一个分享。1 小波包变换  在分析现实工程中的故障信号时，往往采用傅里叶变换、小波变换或小波包变换来分析。小波变换被认为是傅里叶变换的

前言：上周开始学习神经网络，觉得挺有意思，神经网络可以作为控制器来实现对模型的自适应的调节，有种不断学习不断完善自身的感觉。

前言：最近在搞神经网络，看到有用神经网络逼近未建模动态的，也有用神经网络来逼近整个模型的，后者即是无模型控制。无模型控制它不需要知道系统的名义模型，直接用神经网络来逼近整个系统，感觉这个方法还蛮厉害的。鉴于此，我将此方法用在了六关节机械臂的模型上，最后的控制效果还不错。1. 机械臂动力学方程Mq¨+Nq˙+G+f+d=τM\ddot{q}+N\dot{q}+G+f+d=\tauMq¨​+Nq˙​+

工业机器人负载识别前言：工业机器人在使用过程中，由于末端负载的变化导致机械振动，因此需要识别机器人末端负载去调整相应的控制参数来保证其具有良好的运动表现，这里采用一种不需额外传感器的机器人负载识别办法。一：末端负载计算表达式m=ΔτMibiηikigm=\frac{\varDelta \tau _{M_i}b_i\eta _i}{k_ig}m=ki​gΔτMi​​bi​ηi​​  式中 mmm 为

  终端中报错kafka: client has run out of available brokers to talk to (Is your cluster reachable?)  同时Kafka启动时报错: Opening socket connection to server localhost/127.0.0.1:2181. Will not attempt to authentic

  终端中报错kafka: client has run out of available brokers to talk to (Is your cluster reachable?)  同时Kafka启动时报错: Opening socket connection to server localhost/127.0.0.1:2181. Will not attempt to authentic

鲁棒跟踪逆推控制器设计前言：对于模型准确的对象，我们可以设计控制器直接进行控制，但通常实际情况下总是存在着种种不确定因素，如参数变化，未建模动态变化等，鲁棒控制就是在模型不精确和其他变化因素的条件下，使系统仍能保持预期的性能。  在这里我只针对未建模动态变化即仅针对外部扰动的情况进行讨论，对这种情况下的2R型平面机器人进行控制器的设计。  对于存在外部扰动的平面2R机器人的动力学方程：M(q)q¨