stewart,并联六自由度,matlab.在网上找的，有可能雷同。

基于单片机的设计与实现

基于六自由度并联机构的盾构机刀具支架研制

_基于迭代学习算法的六自由度机械臂运动学求解分析 本文提出拥有记忆单元的迭代学习算法，该算法以目标位姿为驱动，通过神 经网络反向传播求目标位姿与当前位姿之差的平方和对当前关节角的导数，并 通过梯度下降、线性搜索算法寻找最优关节角，执行电机命令至寻找到的关节角 并获得真实位姿，如果满足误差要求，则结束，如果不满足要求，则将刚才实践 的数据加入记忆单元并训练神经网络，继续寻找关节角。通过优化关节角和优化 网络权值这两种无缝衔接的循环的优化过程，达到迭代学习和热启动的目的；通 过使用有限的记忆单元，使神经网络使用更少的数据达到收敛，且不必记忆大量 的训练数据；对不同误差要求的任务，使用本文所提方法训练的神经网络具有更 强的适应性。 对于神经网络认为不可达的位姿，本文提出试探性学习策略算法，在不限制 尝试次数的情况下，可以１００％完成任意精度的任意目标位姿。 本文所提算法是对神经网络模拟的函数关系的反向应用。通过构建良性循 环生态，让神经网络自己去学习。该算法具有普遍适用性

FLIGHT.m 是一个教程程序，大量注释使解释变得容易。 它提供了飞机的完整六自由度模拟，以及在用户选择的任何飞行条件下进行微调计算和线性化模型的生成 [1]。 通过更改代码中包含的数字来更改飞机控制历史、初始条件、标志设置和其他程序控制操作； 没有单独的用户界面。 代码的设计是为了简单和清晰，而不是为了执行速度，给读者留下了一个挑战，那就是找到让程序运行得更快的方法。 可以对代码进行大量添加，包括反馈控制逻辑的实现、随机湍流或微爆发风切变的模拟以及实时执行的接口。 对计算机代码的准确性或正确性不作任何明示或暗示的保证。 FLIGHT.m 是调用程序函数的脚本。 此处定义初始条件，启用三个主要特征（修剪、线性化和模拟），并生成输出。 调整状态和控制的初始扰动允许模拟瞬态效应。 如图所示，通过首先定义包含状态速率元素的成本函数 J，然后使用 fminsearch 中包含的 Downhil

求解机械臂雅可矩阵，除了用微分运动方程外，还可以基于矢量积法的六自由度工业机器人雅可比矩阵求解,矢量积比较通俗易懂，代码实现也相对简单

六自由度飞机模拟器

一种六自由度机械臂避障算法研究pdf,一种六自由度机械臂避障算法研究

六自由度机器人本体设计与轨迹规划与虚拟仿真设计.docx

UR5、UR10 机械臂，工作空间分析需要