[足式机器人]Part3机构运动微分几何学分析与综合Ch03-1 空间约束曲线与约束曲面微分几何学——【读书笔记】

本文仅供学习使用
本文参考:
《机构运动微分几何学分析与综合》-王德伦、汪伟
《微分几何》吴大任

Ch01-4 平面运动微分几何学

  • 3.1 空间曲线微分几何学概述
    • 3.1.1 矢量表示
    • 3.1.2 Frenet标架


连杆机构中的连杆与连架杆构成运动副,该运动副元素的特征点特征线机架坐标系中的运动轨迹曲线或曲面称为约束曲线约束曲面,是联系刚体运动与机构运动综合的桥梁,其几何性质是机构运动综合的理论基础,既是曲线与曲面的几何学研究内容,也是连杆机构运动几何学分析与综合的课题。然而,研究曲线与曲面的几何学,微分几何学方法无疑是自然而然的选择,将其与机构运动学结合,形成以点与线的运动方式研究约束曲线与曲面几何性质,为机构运动几何学分析与综合提供理论依据。
为方便阅读后续内容,在第3.1和第3.2节简单概述微分几何学基本知识;采用微分几何量方法研究连杆机构中典型而又重要的约束曲线与约束曲面,称为空间约束曲线与约束曲面微分几何学

3.1 空间曲线微分几何学概述

3.1.1 矢量表示

在直角坐标中表达一条空间曲线 Γ \Gamma Γ时,有:
{ x = x ( t ) y = y ( t ) z = z ( t ) \left\{ \begin{matrix} x=x(t) \\ y=y(t) \\ z=z(t) \\ \end{matrix} \right. x=x(t)y=y(t)z=z(t)
式中, t t t为曲线的参数,若置换自变量或者消去参数 t t t,则可写成:
{ y = y ( x ) z = z ( x ) \left\{ \begin{matrix} y=y(x) \\ z=z(x) \\ \end{matrix} \right. {y=y(x)z=z(x)
或者写成隐函数形式:
{ F 1 ( x , y , z ) = 0 F 2 ( x , y , z ) = 0 \left\{ \begin{matrix} {{F}_{1}}(x,y,z)=0 \\ {{F}_{2}}(x,y,z)=0 \\ \end{matrix} \right. {F1(x,y,z)=0F2(x,y,z)=0
若将上述 x , y , z x,y,z x,y,z置于空间固定坐标系 { O : i , j , k } \{O:i,j,k\} {O:i,j,k}中,则曲线 Γ \Gamma Γ以参数 t t t表示的矢量方程为:
Γ : R = x ( t ) i + y ( t ) j + z ( t ) k \Gamma :R=x(t)i+y(t)j+z(t)k Γ:R=x(t)i+y(t)j+z(t)k
可以将其简化为:
R = R ( t ) R=R(t) R=R(t)
式(3.4)式(3.5)为空间曲线 Γ \Gamma Γ的矢量表达式, t t t为曲线 Γ \Gamma Γ的一般参数。在 第1章平面曲线的微分几何学 中引入了圆矢量函数用来描述曲线的矢量方程,使得形式简洁并便于计算。因此对于空间曲线 Γ \Gamma Γ的矢量方程式(3.4),可以选择任意两个坐标轴上的分量用圆矢量函数进行描述。例如,将曲线 Γ \Gamma Γ上任意点的矢径在坐标平面 O − i j O-ij Oij上的投影矢量用圆矢量函数描述,如下图所示。
在这里插入图片描述

则其矢量方程可以写出另一种形式:
Γ : R = r ( φ ) e I ( φ ) + z ( φ ) k \Gamma :R=r(\varphi ){{e}_{I(\varphi )}}+z(\varphi )k Γ:R=r(φ)eI(φ)+z(φ)k
对于空间曲线 Γ \Gamma Γ,弧长参数 s s s为其自然参数,且与一般参数 t t t的关系为:
s = ∫ t a t b ∣ d R d t ∣ d t , d s = ∣ d R ∣ = ( d x d t ) 2 + ( d y d t ) 2 + ( d z d t ) 2 d t s=\int_{{{t}_{a}}}^{{{t}_{b}}}{\left| \frac{dR}{dt} \right|dt,ds=\left| dR \right|}=\sqrt{{{(\frac{dx}{dt})}^{2}}+{{(\frac{dy}{dt})}^{2}}+{{(\frac{dz}{dt})}^{2}}}dt s=tatb dtdR dt,ds=dR=(dtdx)2+(dtdy)2+(dtdz)2 dt

空间曲线 Γ \Gamma Γ的矢量方程用弧长参数 s s s表示为: Γ : R = R ( s ) , s a ≤ s ≤ s b \Gamma :R=R(s),{{s}_{a}}\le s\le {{s}_{b}} Γ:R=R(s),sassb

:书中为 Γ : R = R ( s ) , s a ≤ a ≤ s b \Gamma :R=R(s),{{s}_{a}}\le a\le {{s}_{b}} Γ:R=R(s),saasb

【例3-1】 球面曲线如下图所示:
在这里插入图片描述
对于球面曲线 Γ \Gamma Γ,习惯于将直角坐标系 { O : i , j , k } \{O:i,j,k\} {O:i,j,k}原点置于球心,则用直角坐标表示为:
{ x = x ( t ) , y = y ( t ) , z = z ( t ) x 2 + y 2 + z 2 = R 2 \left\{ \begin{matrix} x=x(t),y=y(t),z=z(t) \\ {{x}^{2}}+{{y}^{2}}+{{z}^{2}}={{R}^{2}} \\ \end{matrix} \right. {x=x(t),y=y(t),z=z(t)x2+y2+z2=R2
式中, R R R为球面半径, t t t为球面曲线的参数,若置换自变量或者消去参数 t t t,可写成:
{ z = z ( x , y ) x 2 + y 2 + z 2 = R 2 \left\{ \begin{matrix} z=z(x,y) \\ {{x}^{2}}+{{y}^{2}}+{{z}^{2}}={{R}^{2}} \\ \end{matrix} \right. {z=z(x,y)x2+y2+z2=R2
由于球面曲线上的点始终分布在一球面上,因此往往用球面坐标表示曲线为:
δ = δ ( t ) , φ = φ ( t ) , r = R \delta =\delta (t),\varphi =\varphi (t),r=R δ=δ(t),φ=φ(t),r=R
式中, δ \delta δ是由原点0到曲线上点 P P P的有向线段 O P OP OP k k k的夹角; φ \varphi φ O P OP OP O − i j O-ij Oij面上的投影与i的夹角, δ \delta δ φ \varphi φ的取值范围分别为 [ 0 , π ] [0,\pi ] [0,π] [ 0 , 2 π ] [0,2\pi ] [0,2π]。点 P P P在坐标系 { O : i , j , k } \{O:i,j,k\} {O:i,j,k}中的球面坐标与直角坐标之间具有如下转换关系
x = R sin ⁡ δ cos ⁡ φ , y = R sin ⁡ δ sin ⁡ φ , z = R cos ⁡ δ x=R\sin \delta \cos \varphi ,y=R\sin \delta \sin \varphi ,z=R\cos \delta x=Rsinδcosφ,y=Rsinδsinφ,z=Rcosδ
将上述 x , y , z x,y,z x,y,z置于坐标系 { O : i , j , k } \{O:i,j,k\} {O:i,j,k}中,则球面曲线以参数 t t t表示的矢量方程为:
Γ : R = R ( t ) = x ( t ) i + y ( t ) j + z ( t ) k \Gamma :R=R(t)=x(t)i+y(t)j+z(t)k Γ:R=R(t)=x(t)i+y(t)j+z(t)k
若通过圆矢量函数表示球面曲线的矢量方程,则为:
R = R sin ⁡ δ ( φ ) e I ( φ ) + R cos ⁡ δ ( φ ) k R=R\sin \delta (\varphi ){{e}_{I(\varphi )}}+R\cos \delta (\varphi )k R=Rsinδ(φ)eI(φ)+Rcosδ(φ)k
比较式(E3-1.1)、式(E3-1.4)与式(E3-1.6)可知,采用矢量表示的球面曲线比其他方式表达要简单的多。

【例3-2】 圆柱面曲线如下图所示:
在这里插入图片描述
圆柱面曲线在直角坐标系 { O : i , j , k } \{O:i,j,k\} {O:i,j,k}中的方程为:
{ x = r 0 cos ⁡ φ y = r 0 sin ⁡ φ z = z ( φ ) \left\{ \begin{matrix} x={{r}_{0}}\cos \varphi \\ y={{r}_{0}}\sin \varphi \\ z=z(\varphi ) \\ \end{matrix} \right. x=r0cosφy=r0sinφz=z(φ)
式中, r 0 {{r}_{0}} r0为圆柱面半径。若通过圆矢量函数表示圆柱面曲线的矢量方程,则为:
R = r 0 e I ( φ ) + z ( φ ) k R={{r}_{0}}{{e}_{I(\varphi )}}+z(\varphi )k R=r0eI(φ)+z(φ)k

3.1.2 Frenet标架

空间曲线 Γ ⃗ : R ⃗ = R ⃗ ( s ) \vec{\varGamma}:\vec{R}=\vec{R}\left( s \right) Γ :R =R (s) 在任意点 P P P处有两个无限接近位置的点连线组成切线,其单位切矢 α ⃗ ( s ) = d R ⃗ ( s ) d s \vec{\alpha}\left( s \right) =\frac{\mathrm{d}\vec{R}\left( s \right)}{\mathrm{d}s} α (s)=dsdR (s)始终指向曲线弧长增加的方向,将切矢 α ⃗ ( s ) \vec{\alpha}\left( s \right) α (s) 对弧长参数求导,可得:

d α ⃗ ( s ) d s = k ( s ) β ⃗ ( s ) \frac{\mathrm{d}\vec{\alpha}\left( s \right)}{\mathrm{d}s}=k\left( s \right) \vec{\beta}\left( s \right) dsdα (s)=k(s)β (s)

其中, k ( s ) k\left( s \right) k(s) 称为曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P P 处的曲率,即三个无限接近位置点构成空间曲线在该点处的密切平面曲率是空间曲线在密切平面内的弯曲程度,体现了曲线的切矢的倾斜角对弧长参数的变化率。与平面曲线曲率不同,空间曲线的曲率非负 β ⃗ ( s ) \vec{\beta}\left( s \right) β (s) 称为曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P P 处的主法矢,指向了曲线在该点的曲率中心。当 k ( s ) ≠ 0 k\left( s \right) \ne 0 k(s)=0 时,其倒数 ρ ( s ) = 1 / k ( s ) \rho \left( s \right) =1/k\left( s \right) ρ(s)=1/k(s) 称为曲线 Γ ⃗ \vec{\varGamma} Γ 曲率半径,则曲线 Γ ⃗ \vec{\varGamma} Γ 曲率中心 C C C的矢量为:

R ⃗ C = R ⃗ P + ρ ⋅ β ⃗ \vec{R}_{\mathrm{C}}=\vec{R}_{\mathrm{P}}+\rho \cdot \vec{\beta} R C=R P+ρβ

由空间曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P P 处的切矢 α ⃗ ( s ) \vec{\alpha}\left( s \right) α (s)主法矢 β ⃗ ( s ) \vec{\beta}\left( s \right) β (s) 可以构建矢量 γ ⃗ ( s ) = α ⃗ ( s ) × β ⃗ ( s ) \vec{\gamma}\left( s \right) =\vec{\alpha}\left( s \right) \times \vec{\beta}\left( s \right) γ (s)=α (s)×β (s) ,称之为曲线的副法矢,从而在空间曲线 Γ ⃗ \vec{\varGamma} Γ 上构造了单位右手系正交标架 { R ⃗ ( s ) ; α ⃗ ( s ) , β ⃗ ( s ) , γ ⃗ ( s ) } \left\{ \vec{R}\left( s \right) ;\vec{\alpha}\left( s \right) ,\vec{\beta}\left( s \right) ,\vec{\gamma}\left( s \right) \right\} {R (s);α (s),β (s),γ (s)} ,称为曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P PFrenet标架

在这里插入图片描述
对于空间曲线 Γ ⃗ \vec{\varGamma} Γ P P P 点的Frenet标架 { R ⃗ ( s ) ; α ⃗ ( s ) , β ⃗ ( s ) , γ ⃗ ( s ) } \left\{ \vec{R}\left( s \right) ;\vec{\alpha}\left( s \right) ,\vec{\beta}\left( s \right) ,\vec{\gamma}\left( s \right) \right\} {R (s);α (s),β (s),γ (s)} ,其中标矢 α ⃗ ( s ) \vec{\alpha}\left( s \right) α (s) β ⃗ ( s ) \vec{\beta}\left( s \right) β (s) 确定了密切平面 β ⃗ ( s ) \vec{\beta}\left( s \right) β (s) γ ⃗ ( s ) \vec{\gamma}\left( s \right) γ (s) 确定的平面称为法平面,而 α ⃗ ( s ) \vec{\alpha}\left( s \right) α (s) γ ⃗ ( s ) \vec{\gamma}\left( s \right) γ (s) 确定的平面称为从切平面。可见Frenet标架由三个同空间曲线紧密联系的向量所组成,其微分运算公式为:

{ d R ⃗ ( s ) d s = α ⃗ ( s ) d α ⃗ ( s ) d s = k ( s ) β ⃗ ( s ) d β ⃗ ( s ) d s = − k ( s ) α ⃗ ( s ) + τ ( s ) γ ⃗ ( s ) d γ ⃗ ( s ) d s = − τ ( s ) β ⃗ ( s ) \begin{cases} \begin{array}{c} \frac{\mathrm{d}\vec{R}\left( s \right)}{\mathrm{d}s}=\vec{\alpha}\left( s \right)\\ \frac{\mathrm{d}\vec{\alpha}\left( s \right)}{\mathrm{d}s}=k\left( s \right) \vec{\beta}\left( s \right)\\ \end{array}\\ \begin{array}{c} \frac{\mathrm{d}\vec{\beta}\left( s \right)}{\mathrm{d}s}=-k\left( s \right) \vec{\alpha}\left( s \right) +\tau \left( s \right) \vec{\gamma}\left( s \right)\\ \frac{\mathrm{d}\vec{\gamma}\left( s \right)}{\mathrm{d}s}=-\tau \left( s \right) \vec{\beta}\left( s \right)\\ \end{array}\\ \end{cases} dsdR (s)=α (s)dsdα (s)=k(s)β (s)dsdβ (s)=k(s)α (s)+τ(s)γ (s)dsdγ (s)=τ(s)β (s)

其中, τ ( s ) \tau \left( s \right) τ(s) 称为空间曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P P 处的挠率,它衡量了曲线在点 $P$ 的(密切平面)副法矢 $\vec{\gamma}\left( s \right)$ 倾斜角对弧长的变化率,从而描述了曲线在该点偏离密切平面的程度。上式也称为空间曲线的Frenet公式

由Frenet公式可以得到空间曲线 Γ ⃗ \vec{\varGamma} Γ 曲率 k k k 和挠率 τ \tau τ 的表达式为:

k = ∣ d 2 R ⃗ ( s ) d s 2 ∣ , τ = ( d R ⃗ ( s ) d s , d 2 R ⃗ ( s ) d s 2 , d 3 R ⃗ ( s ) d s 3 ) / ∣ d 2 R ⃗ ( s ) d s 2 ∣ 2 k=\left| \frac{\mathrm{d}^2\vec{R}\left( s \right)}{\mathrm{d}s^2} \right|,\tau =\left( \frac{\mathrm{d}\vec{R}\left( s \right)}{\mathrm{d}s},\frac{\mathrm{d}^2\vec{R}\left( s \right)}{\mathrm{d}s^2},\frac{\mathrm{d}^3\vec{R}\left( s \right)}{\mathrm{d}s^3} \right) /\left| \frac{\mathrm{d}^2\vec{R}\left( s \right)}{\mathrm{d}s^2} \right|^2 k= ds2d2R (s) ,τ=(dsdR (s),ds2d2R (s),ds3d3R (s))/ ds2d2R (s) 2

若空间曲线 Γ ⃗ \vec{\varGamma} Γ 是以一般参数 t t t 进行描述的,则其曲率 k ( s ) k(s) k(s) 和挠率 τ ( s ) \tau \left( s \right) τ(s) 的表达式为:
k = ∣ d R ⃗ d t × d 2 R ⃗ d t 2 ∣ / ∣ d R ⃗ d t ∣ 3 , τ = ( d R ⃗ d t , d 2 R ⃗ d t 2 , d 3 R ⃗ d t 3 ) / ( d R ⃗ d t × d 2 R ⃗ d t 2 ) 2 k=\left| \frac{\mathrm{d}\vec{R}}{\mathrm{d}t}\times \frac{\mathrm{d}^2\vec{R}}{\mathrm{d}t^2} \right|/\left| \frac{\mathrm{d}\vec{R}}{\mathrm{d}t} \right|^3,\tau =\left( \frac{\mathrm{d}\vec{R}}{\mathrm{d}t},\frac{\mathrm{d}^2\vec{R}}{\mathrm{d}t^2},\frac{\mathrm{d}^3\vec{R}}{\mathrm{d}t^3} \right) /\left( \frac{\mathrm{d}\vec{R}}{\mathrm{d}t}\times \frac{\mathrm{d}^2\vec{R}}{\mathrm{d}t^2} \right) ^2 k= dtdR ×dt2d2R / dtdR 3,τ=(dtdR ,dt2d2R ,dt3d3R )/(dtdR ×dt2d2R )2
对于空间曲线来说,曲率 k ( s ) k(s) k(s) 和挠率 τ ( s ) \tau \left( s \right) τ(s) 不依赖于坐标系的选定。是空间曲线的不变量,能够唯一地确定空间曲线,可以将 k = k ( s ) , τ = τ ( s ) k=k\left( s \right) ,\tau =\tau \left( s \right) k=k(s),τ=τ(s) 称为空间曲线的自然方程。于是有:

定理3.1:在区间 0 ⩽ s ⩽ l 0\leqslant s\leqslant l 0sl上任意给定连续可微函数 $k\left( s \right) >0 $ 和连续函数 τ ( s ) \tau \left( s \right) τ(s) 以及初始右手系正交标架 { R ⃗ 0 ; α ⃗ 0 , β ⃗ 0 , γ ⃗ 0 } \left\{ \vec{R}_0;\vec{\alpha}_0,\vec{\beta}_0,\vec{\gamma}_0 \right\} {R 0;α 0,β 0,γ 0} ,则一定有且仅有一条以 s s s 为弧长、以 k ( s ) k\left( s \right) k(s) 为曲率、 τ ( s ) \tau \left( s \right) τ(s) 为挠率的空间有向曲线。

建立了空间曲线 Γ ⃗ \vec{\varGamma} Γ P P P 点处的Frenet标架 { R ⃗ ( s ) ; α ⃗ ( s ) , β ⃗ ( s ) , γ ⃗ ( s ) } \left\{ \vec{R}\left( s \right) ;\vec{\alpha}\left( s \right) ,\vec{\beta}\left( s \right) ,\vec{\gamma}\left( s \right) \right\} {R (s);α (s),β (s),γ (s)} ,可将曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P P的邻域内按照泰勒公式展开。假定曲线 Γ ⃗ \vec{\varGamma} Γ 在点 P P P 处的弧长为 s s s,则有:

R ⃗ ( s + Δ s ) = R ⃗ ( s ) + d R ⃗ ( s ) d s Δ s + 1 2 ! d 2 R ⃗ ( s ) d s 2 ( Δ s ) 2 + ⋯ + 1 n ! d n R ⃗ ( s ) d s n ( Δ s ) n + ε n ( s , Δ s ) ( Δ s ) n \vec{R}\left( s+\varDelta s \right) =\vec{R}\left( s \right) +\frac{\mathrm{d}\vec{R}\left( s \right)}{\mathrm{d}s}\varDelta s+\frac{1}{2!}\frac{\mathrm{d}^2\vec{R}\left( s \right)}{\mathrm{d}s^2}\left( \varDelta s \right) ^2+\cdots +\frac{1}{n!}\frac{\mathrm{d}^n\vec{R}\left( s \right)}{\mathrm{d}s^n}\left( \varDelta s \right) ^n+\varepsilon _{\mathrm{n}}\left( s,\varDelta s \right) \left( \varDelta s \right) ^n R (s+Δs)=R (s)+dsdR (s)Δs+2!1ds2d2R (s)(Δs)2++n!1dsndnR (s)(Δs)n+εn(s,Δs)(Δs)n

式中, lim ⁡ Δ s → 0 ε n ( s , Δ s ) = 0 , d R ⃗ d s = α ⃗ , d 2 R ⃗ d s 2 = k β ⃗ , d 3 R ⃗ d s 3 = − k 2 α ⃗ + d k d s β ⃗ + k τ γ ⃗ \lim_{\varDelta s\rightarrow 0} \varepsilon _{\mathrm{n}}\left( s,\varDelta s \right) =0,\frac{\mathrm{d}\vec{R}}{\mathrm{d}s}=\vec{\alpha},\frac{\mathrm{d}^2\vec{R}}{\mathrm{d}s^2}=k\vec{\beta},\frac{\mathrm{d}^3\vec{R}}{\mathrm{d}s^3}=-k^2\vec{\alpha}+\frac{\mathrm{d}k}{\mathrm{d}s}\vec{\beta}+k\tau \vec{\gamma} limΔs0εn(s,Δs)=0,dsdR =α ,ds2d2R =kβ ,ds3d3R =k2α +dsdkβ +kτγ ,并以此可以得到矢径 R ⃗ ( s ) \vec{R}\left( s \right) R (s) 关于弧长参数的各阶导数。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/85750.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

通过cpolar在外远程查看家里内网监控

通过cpolar在外远程查看家里内网监控 文章目录 通过cpolar在外远程查看家里内网监控前言1. 在cpolar官网预留一个空白隧道2. 完成空白数据隧道,生成地址3. 设置空白隧道的出口4. 空白数据隧道的出口设置5. 获取公网地址6. 打开本地电脑“远程桌面”7. 打开Windows自…

三星Galaxy S23与iPhone 15的对比分析:谁会胜出?

三星Galaxy S23与iPhone 15的对决将于下个月进入高潮,这将是今年智能手机中最大的一场较量。毕竟,这是两家领先的移动设备制造商的旗舰手机。他们的手机的比较将在很大程度上决定谁能获得最佳手机的称号。 我们已经知道有利于三星Galaxy S23的情况,该产品自春季以来一直在推…

算法 | 活用双指针完成复写零操作

Problem: 1089. 复写零 文章目录 题目解析算法原理分析找到最后一个复写的位置从后往前进行复写操作 代码展示 题目解析 首先我们来分析一下本题的题目意思 可以看到题目中给到了一个数组,意思是让我们将数组中的零元素都复写一遍,然后将其余的元素向后平…

jmeter-results-detail-report_new.xsl文件设置dateReport

<!-- Defined parameters (overrideable) <td bgcolor"#ff00ff"> --> <xsl:param name"showData" select"y"/> <xsl:param name"titleReport" select"测试报告"/> <xsl:param name&…

从零实现深度学习框架——Transformer从菜鸟到高手(二)

引言 &#x1f4a1;本文为&#x1f517;[从零实现深度学习框架]系列文章内部限免文章&#xff0c;更多限免文章见 &#x1f517;专栏目录。 本着“凡我不能创造的&#xff0c;我就不能理解”的思想&#xff0c;系列文章会基于纯Python和NumPy从零创建自己的类PyTorch深度学习框…

Electron学习2 使用Electron-vue和Vuetify UI库

Electron学习2 使用Electron-vue和Vuetify UI库 一、Electron-vue简介二、安装yarn三、创建Electron-vue项目1. 关于 electron-builder2. 安装脚手架3. 运行4. 打包应用程序 四、background.js说明1. 引入模块和依赖&#xff1a;2. 注册协议&#xff1a;3. 创建窗口函数&#x…

通过springMVC拦截器进行后台统一校验

通过springMVC拦截器统一解析token&#xff0c;判断是否有效。可以对请求进行前置或后置处理 /*** 配置拦截器*/ public class TokenInterceptor implements HandlerInterceptor {Overridepublic boolean preHandle(HttpServletRequest request, HttpServletResponse response,…

Commonjs和Es6语法规范的理解

ES6 module和CommonJS到底有什么区别&#xff1f; “ES6 module是编译时加载&#xff0c;输出的是接口&#xff0c;CommonJS运行时加载&#xff0c;加载的是一个对象” 这里的“编译时”是什么意思&#xff1f;和运行时有什么区别&#xff1f;“接口”又是什么意思&#xff1f;…

2023.08.20 学习周报

文章目录 摘要文献阅读1.题目2.现有问题3.解决方案4.本文贡献5.方法5.1 利用长短期记忆网络学习时空演化特征5.2 构建用于气象辅助信息编码的堆叠自编码器5.3 使用多任务学习发现全市通用模式5.4 模型 6. 实验6.1 数据集6.2 实验设置6.3 实验结果 7.结论8.展望 大气污染物传输总…

Leetcode刷题笔记--Hot21-30

1--全排列&#xff08;46&#xff09; 主要思路1&#xff1a; 经典全排列&#xff0c;每次枚举每一位时&#xff0c;重头开始枚举&#xff0c;用一个访问数组记录当前已经被访问过的数字&#xff1b; 这道题不包含重复数字&#xff0c;所以不需要进行树层上的剪枝&#xff1b; …

[ MySQL ] — 如何理解索引以及索引的操作

目录 初识索引 认识磁盘 MySQL与存储 了解磁盘 mysql与磁盘的交互 索引的理解 理解单个Page 理解多个Page 页目录 单页情况 多页情况 索引结构 - B树 聚簇索引 和 非聚簇索引 索引操作 创建主键索引 唯一索引的创建 ​编辑 普通索引的创建 全文索引的创建 查询…

Ae 效果:CC Light Sweep

生成/CC Light Sweep Generate/CC Light Sweep CC Light Sweep&#xff08;CC 光线扫描&#xff09;可以创建一个动态的光线扫描&#xff0c;常用于模拟一束光在图像上移动的效果。支持 Alpha 通道并能基于 Alpha 通道边缘创造逼真的光照。 ◆ ◆ ◆ 效果属性说明 Center 中心…

Unity怎么制作魔法火焰特效?Unity制作魔法火焰特效方法

Unity制作魔法火焰特效方法&#xff1a; 在第一次玩Supergiant Games的RPG游戏《Hades》时&#xff0c;游戏的美术和视觉效果让人非常吃惊。受此启发&#xff0c;希望能够尝试制作类似风格的作品。 工作流程 整个工作从制作简单的火焰贴图开始。首先&#xff0c;我使用PhotoS…

深入了解Maven(一)

目录 一.Maven介绍与功能 二.依赖管理 1.依赖的配置 2.依赖的传递性 3.排除依赖 4.依赖的作用范围 5.依赖的生命周期 一.Maven介绍与功能 maven是一个项目管理和构建工具&#xff0c;是基于对象模型POM实现。 Maven的作用&#xff1a; 便捷的依赖管理&#xff1a;使用…

html动态爱心代码【三】(附源码)

目录 前言 特效 内容修改 完整代码 总结 前言 七夕马上就要到了&#xff0c;为了帮助大家高效表白&#xff0c;下面再给大家带来了实用的HTML浪漫表白代码(附源码)背景音乐&#xff0c;可用于520&#xff0c;情人节&#xff0c;生日&#xff0c;表白等场景&#xff0c;可直…

React前端开发架构:构建现代响应式用户界面

在当今的Web应用开发中&#xff0c;React已经成为最受欢迎的前端框架之一。它的出色性能、灵活性和组件化开发模式&#xff0c;使得它成为构建现代响应式用户界面的理想选择。在这篇文章中&#xff0c;我们将探讨React前端开发架构的核心概念和最佳实践&#xff0c;以帮助您构建…

使用 MATLAB 和 Simulink 对雷达系统进行建模和仿真

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…

正则表达式:贪婪与非贪婪模式

正则中的三种模式&#xff0c;贪婪匹配、非贪婪匹配和独占模式。 在这 6 种元字符中&#xff0c;我们可以用 {m,n} 来表示 &#xff08;*&#xff09;&#xff08;&#xff09;&#xff08;?&#xff09; 这 3 种元字符&#xff1a; 贪婪模式&#xff0c;简单说就是尽可能进行…

【golang】结构体及其方法的使用(struct)

函数是独立的程序实体。我们可以声明有名字的函数&#xff0c;也可以声明没名字的函数&#xff0c;还可以把它们当做普通的值传来传去。我们能把具有相同签名的函数抽象成独立的函数类型&#xff0c;以作为一组输入、输出&#xff08;或者说一类逻辑组件&#xff09;的代表。 …

【学会动态规划】摆动序列(27)

目录 动态规划怎么学&#xff1f; 1. 题目解析 2. 算法原理 1. 状态表示 2. 状态转移方程 3. 初始化 4. 填表顺序 5. 返回值 3. 代码编写 写在最后&#xff1a; 动态规划怎么学&#xff1f; 学习一个算法没有捷径&#xff0c;更何况是学习动态规划&#xff0c; 跟我…
最新文章