Godot游戏开发v4.3版本

weixin_53109623Godot_v4.3-stable_win64.exe 54.92MB

资源文件列表:

Godot_v4.3-stable_win64.exe 大约有2个文件

Godot_v4.3-stable_win64.exe 126.76MB
Godot_v4.3-stable_win64_console.exe 193.62KB

资源介绍:

Godot游戏开发v4.3版本

100+评论昵称:

captcha

剪映海外版 Capcut
剪映海外版 Capcut
行业研究
CapCut_7418887576599298065_installer 1.96MB
3 月前

node-v20.18.0-x64
nodejs 安装包 node-v20.18.0-x64
行业研究
node-v20.18.0-x64 24.3MB
3 月前
chrome extention: 网页保存为pdf
chrome extention: 网页保存为pdf
前端
fdpohaocaechififmbbbbbknoalclacl 5.48MB
3 月前
线控转向失效容错差动转向协同控制策略应用于四轮轮毂电机驱动电动汽车,线控转向失效容错控制策略研究-差动转向与直接横摆力矩协同的智能电动汽车控制方法,线控转向失效下的容错差动转向控制以四轮轮毂电机驱
线控转向失效容错差动转向协同控制策略应用于四轮轮毂电机驱动电动汽车,线控转向失效容错控制策略研究——差动转向与直接横摆力矩协同的智能电动汽车控制方法,线控转向失效下的容错差动转向控制以四轮轮毂电机驱动智能电动汽车为研究对象，针对线控转向系统执行机构失效时的轨迹跟踪和横摆稳定性协同控制问题，提出一种基于差动转向与直接横摆力矩协同的容错控制方法。该方法采用分层控制架构，上层控制器首先基于模型预测控制方法求解期望前轮转角和附加横摆力矩，然后设计基于滑模变结构控制的前轮转角跟踪控制策略，下层控制器以轮胎负荷率最小化为目标，利用有效集法实现四轮转矩优化分配。图片为模型运行后的实际效果，模型为参考优质paper制作的，包含carsim数据cpar文件，Simulink模型及MATLAB代码,线控转向失效; 差动转向控制; 轨迹跟踪; 横摆稳定性协同控制; 模型预测控制; 滑模变结构控制; 轮胎负荷率优化分配; 轮毂电机驱动智能电动汽车; 汽车动力学模型。,智能汽车线控转向失效的容错差动转向控制方法研究
行业研究
线控转向失效下的 6.01MB
3 月前
基于PSO-ELM算法的优化与数据预测模型研究,粒子群优化算法提升极限学习机（ELM）预测模型的精度与泛化性能,粒子群优化极限学习机PSOELM做数据预测PSO-ELM优化算法预测模型 ELM模型
基于PSO-ELM算法的优化与数据预测模型研究,粒子群优化算法提升极限学习机（ELM）预测模型的精度与泛化性能,粒子群优化极限学习机PSOELM做数据预测PSO-ELM优化算法预测模型。ELM模型在训练之前可以随机产生ω和b, 只需要确定隐含层神经元个数及隐含层神经元激活函数, 即可实现ELM预测模型的构建。在ELM模型的构建中, 只需确定初始ω和b, 而无需复杂的参数设置, 具有学习速度快、泛化性能好等优点。然而在发动机参数预测过程中, 不同的参数设置, 对预测模型的准确度起着一定程度的影响。此时, 如果通过简单的随机选取初始化参数方法来构建极限学习机模型, 在一定程度上存在着模型构建中隐含层节点冗余等缺点, 这在一定程度上阻碍了ELM模型的精确性。因此, 在构建EGTM数据预测模型的过程中, 可通过PSO算法寻优确定模型的最佳参数, 以保证ELM模型的准确性。matlab程序，可做功率预测数据预测，程序注释详细方便阅读，可替自己的数据做预测，预测结果准确。,PSO; ELM模型; 参数优化; 预测模型; 泛化性能; 发动机参数预测; PSO-ELM算法; 随机初始化
移动开发
粒子群优化极限学习机做数据预 2.23MB
3 月前