抹不去的記憶范文

導語：如何才能寫好一篇抹不去的記憶，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

山東省臨邑縣師范附小四年級一班

邵明玉

在這個世界上，有一個人在我的腦海里不斷出現，他就是我的好朋友－－姜意桐。

在小學一年級的時候，我們就是好朋友，經常在一起好好學習，共同玩耍。

篇2

2006年的某一天,我和朋友一起去廣州玩.途中,我們看見了一件令我感動的事:我和朋友去買東西的時候,經過一條小巷,走進去沒多久,聽到:"你吃吧!""不!你吃."我們就偷偷地躲到一邊想了解發生了什么事.一看,是一個男的和一個女的在爭論.那男女大概是一對母子,兩個都瘦瘦黑黑的,頭發亂的無法形容.他們手里拿著一個凹凸不平的盤子,里面裝著一些飯菜,還有一小塊肉,他們拿著它推來推去,母親說:"你還小,要吃飽點,快吃!"兒子又說:"我還年輕,少吃一頓兩頓沒關系,你年紀大了,少吃就沒力氣了."母親端著那盤飯,過了一分鐘,母親還是把飯給了兒子,說:"我有事出去一下."結果還是沒吃就走了.此時我們都走了.走著走著,我們又看見了那位母親,她站在一間面館門前,手里拿著一個盤子,此時面館有個客人走了,她連忙走過去,把那碗吃剩的面倒進自己的盤子里.她走到一邊,她捧著那碗暖暖的剩面,嘴角露出一絲微笑.

母親的偉大!母親的愛使我五體投地.

每一個人都會有使自己一生難忘的事.這就是我抹不去的記憶.

篇3

四十萬三千零七十一位，倒在鮮紅的血中，倒在機槍的掃射下，倒在一把把刺刀下，倒在空中落下的炸彈下，我們為那四十萬三千零七十一位人感到悲傷，我們對在我國進行多次屠殺的日本軍隊感到痛恨。日本軍隊，這喪心病狂的惡魔，你們可真是心狠手辣。

回想那一次次的屠殺，每一個都使我們后人想那殺了幾千人的指揮刀，至盡不肯回改的日本帝國主義。在一次又一次的屠殺中，是最使人感到可怕，不堪回首。而我今天，走進了一九三七年，看見了的情景，那不講信用的日本鬼子，說什么絕對捕殺俘虜，可是他們言而無信，我們的南京人民都投靠于日本，可是，上部傳來了命令，把所有南京來的俘虜人民一一殺死，結果，那幾千人又白白的身亡了！那時主席是，他擁有很多得人力，擁有飛機、戰車、坦克……可是，不出兵，下令不要阻止日本人，其中，有八十人，挺身而出，可是沒有援兵，始終無能為力。我們痛恨日本人，痛恨日本軍隊，痛恨日本帝國主義。

所有的中國人民，我們國家不是一只永遠沉睡的獅子，我們是后來人，要努力，相信，我們這只亞洲雄師的吼聲，可以震撼整個地球，不用受別國的屈辱，為這個目標，我們要好好學習，天天向上，自強勤奮，博愛健康。

中國人民，為著這個目標前進吧！

篇4

還記得學農期間最令人期待的就是周二周三晚上的拔河比賽，尤其是我們班-打頭陣！在整個八年級級部面前，還是很緊張的。那晚雖然天氣微涼，但很適合這場激勵的比賽！

我們班的對手是七班，所以沒有很大的壓力，還記得在上場前，我們15個人把手放在一起，我能感覺到力量在通過每個人的身體。哨聲一響，繩子和地面就像數學上的平行線一樣水平。最有趣的是我們在拔的時候，兩方一直是往后拔，弄得人家攝像老師和其他老師根本沒有立足點，只是跟著我們一起退后，而且笑得都無語了！結果，毫無疑問，我們班大獲全勝，順利進入前四強！要知道，越往前壓力越大，前四呀！我們抽中了五班，雖然說其他三強都是很厲害的，但抽到五班，真的算是我們吧運氣好！總決賽的開始，拉起了一場沒有硝煙的戰爭，先是一二班的比賽，我們看出一班的實力不容小看呀，隨后，我們避免了二班犯的錯誤，走向“戰場”。

“八四加油”響亮的口號釋放出我們班的正能量，在哨聲還沒響起時，繩子就被拉直了，充分感覺到對方的挑釁，”好，開始”關老師一聲令下，我們便用盡全力，但五班也不可小看，拔的很費力，但還是勝利。第二輪有人犯規，所以來了第三輪，感覺到能量似乎快用完了，但也要撐住，“哇哦~~”漂亮，直接秒殺，再哨聲響后，我剛往后拔，就像拉一個小球一樣，很輕松就過來了，在我愣住時，我聽到那只屬于八年級四班的勝利聲。贏了、贏了、ohyear！贏了五班，就代表著和一班的PK戰。說實話，那時的心是很緊張的，同時也是人心慌慌的的，王冠中把人召集起來，商量對策，雖然沒有十足的把握，但也是信心滿滿。一上場，整個氣勢就顯示出來了，硬碰硬。這場比賽，不管結果如何，我們都要卯足力了去比，應王冠中的一句話“往死里拽”。在比賽中，我能聽到我們班那充滿力量的聲音在傳遞過來，賽場上正在拼的人的吶喊……

雖然，這場比賽我們輸了，但也值了，至少我們付出了、努力了、為了榮耀而戰過，我們雖敗猶榮。而這次比賽，也在我的初中生活留下了不可磨滅的記憶！

初三:萌多星仔

篇5

【關鍵詞】手動角膜曲率計 角膜地形圖 人工晶體 屈光度 曲率

中圖分類號：R770.4 文獻標識碼：A 文章編號：1005-0515（2011）8-003-02

【Abstract】Objective To evaluate the differences of two types of manual keratometry and corneal topography in the measurement of corneal curvature. The accuracy in predicting postoperative refraction and the reproducibility of each biometry measurement were also estimated in a prospective study of eyes that underwent phacoemulsification with intraocular lens implantation.Methods Preoperative measurement of corneal curvature was prospectively obtained in 124 eyes of 86 subjects with two types of keratometry, prospective refractive outcomes were obtained. Corneal refractive powers in mean values, corneal refractive powers in maximum axis, corneal refractive powers in minimum axis, the measured degree of axis and prospective refractive outcomes had been analysized using SPSS 13.0.Results There were no significant differences in measuring degrees of corneal refractive powers using two different types of keratometry, including mean values, maximum axis and minimum axis, corneal astigmatism and prospective refractive outcomes (P>0.05). But there was significant difference between manual keratometry and corneal topography for the axis values of corneal astigmatism (P

【Keywords】Manual keratometry Corneal topography Intraocular lens Refraction Corneal curvature

1 資料與方法

施行白內障超聲乳化摘除聯合人工晶體植入手術的患者86例（124眼），其中男性44例（68眼），女性42例（56眼），年齡在50~90歲。術前無眼部外傷史及手術史，眼壓正常，排除角膜病、青光眼等眼病。利用手動角膜曲率計（YZ38, 中國）、角膜地形圖儀（NIDEK ARK-10000, 日本）分別測量角膜曲率及軸位參數。每種儀器各測量三次，各自選取平均值作為測量值。眼軸長度均采用SONOMED 公司的 A/P-4000 型A 型超聲測量。采用SPSS13.0軟件包，數據處理采用配對t檢驗，P

2 結果

手動角膜曲率計、角膜地形圖儀測量平均角膜屈光力的結果分別為(44.279±0.308)D、 (44.102±0.307)；最大角膜屈光力的結果分別為(44.714±0.311)D、(44.588±0.311)D；最小角膜屈光力的結果分別為(43.842±0.319)D、 (43.705±0.309)D。經統計學分析，兩種測量方法無顯著性差異 (P>0.05)；角膜散光分別為（0.86±0.16）D、（0.89±0.11）D,兩者無顯著差異(P>0.05)。散光軸位結果分別為（62.95±11.82）度、（98.22±17.65）度，差異有統計學意義(P0.05)。

3 討論

角膜曲率檢查是反映眼部屈光狀態的一項重要檢查項目，在臨床應用中起到重要作用[1]，因此對角膜曲率、眼軸長度的準確測量是保證人工晶體屈光度正確計算的基礎。本研究中，利用兩種儀器主要測量角膜曲率，得出平均角膜屈光力及散光軸位。由于人工晶體屈光度的計算主要是根據平均角膜屈光力，而散光軸位決定手術切口方向，因此利用平均角膜屈光力及散光軸位這兩個參數來評價兩種儀器在測量中的差異，以便為臨床應用提供指導。角膜曲率測量儀器品種繁多，每種儀器的工作原理不同，同時又各具特點。手動角膜曲率計基于光學反射原理[2]，假設角膜光學面為球面或球柱面，在測量過程中可見兩個圖形的投影，調節使投影的水平徑線與垂直徑線均重合，此時可以讀出角膜中央區3.0mm區域內最大角膜屈光力值和最小角膜屈光力值及散光軸位。該儀器操作簡單，術前應用方便。 角膜地形圖儀是在弱紅外光作用下，利用Placido環的反射影像，用裂隙光束掃描的方法獲取角膜從中心到周邊的信息，經電腦分析系統得到角膜屈光狀態及角膜形狀顏色圖像，更具有直觀性[3,4]。本研究中，角膜屈光度的測量結果，兩種測量儀測得的平均角膜屈光力及最大角膜屈光力、最小角膜屈光力均無顯著差異。可見，兩者本身具有良好的可重復性，手動角膜曲率計與角膜地形圖儀也具有良好的準確性、穩定性，在臨床應用中可以相互替代測量角膜屈光度[5]。因此，兩種角膜曲率測量儀均可用于白內障手術術前測量，在人工晶體屈光度的計算中，數據可靠，準確性好。可根據患者眼部的不同情況來選擇不同的測量儀器，以力求達到準確的測量結果。

參考文獻

[1] Wolffsohn JS, Peterson RC. Anterior ophthalmic imaging. Clin Exp Optom 2006; 89:205-214.

[2] Comparison of portable automated keratometry and manual keratometry for IOL calculation. Manning CA, Kloess PM.J Cataract Refract Surg 1997; 23(8):1213-1216.

[3] Swartz T, Marten L, Wang M. Measuring the cornea: the latest developments in corneal topography. Curr Opin Ophthalmol 2007; 18(4):325-333.

篇6

關鍵詞：全向移動機器人；速度補償器；模糊-比例微分控制；運動控制

中圖分類號：TP242.6 文獻標識碼：A

Velocity Compensate Controller of Fourwheel Drive Omnidirectional Mobile Robots Based on FuzzyPD Control Method

KUANG Jianhui,YANG Yimin

(GuangDong University of Technology，GuangZhou 510090,China)

Abstract:Fourwheel Drive Omnidirectional Mobile Robots has mechanical difference in four wheels. Even each motor has the optimal parameter, the Robot may not be precisely controlled. This paper proposes an velocity compensate controller based on FuzzyPD control method, which can compensate velocity for each wheel real-timely at various error and error rate. The result of simulation experiment in Matlab-Simulink environmental illustrate that the Robot has a obvious improvement in following line speed and Angular velocity,as result,better performance in trajectory tracking.

Key words:Omnidirectional Mobilerobots; velocity compensate controller; FuzzyPD control; motion control

1 引 言

近年來，像全自主足球機器人這樣的全方位移動機器人由于控制簡單、移動靈活，已經被廣泛應用于人類的生產、生活實踐中，而且有著廣闊的應用前景，得到了越來越多的關注。全方位移動機器人采用全方位輪這種特殊的驅動機構，在二維平面上具有3個自由度，能夠沿任意方向同時做平動與轉動，其移動的快速性和機動性要優于自由度少于3個的非全方位移動機器人［1］。

本文所研究的全自主足球機器人采用4輪式全方位輪結構，每個全方位輪由帶碼盤的直流無刷電機驅動。然而，由于機器人四個輪子之間存在耦合關系，即使對單個輪子的控制達到最優，對于整個機器人而言效果未必最佳。換而言之，控制系統不僅對單個電機要有滿意的控制效果，還必須能夠有效地減小機器人運動的整體誤差。針對這一問題，通常的解決方法是通過對機器人建立精確的運動學和動力學模型，從而得到控制量與狀態量的關系方程［2,3］。這種方法雖能得到比較精確的控制方程，但計算復雜且需要知道機器人確切的機械參數與環境參數。本文通過在控制環路中添加基于模糊PD控制的速度補償器來解決這一問題。

2 四輪全向移動機器人運動學模型

首先給出機器人體坐標系即相對坐標系的定義。機器人體坐標系是一個以機器人的全向視覺系統的中心位置為原點，以機器人正前方為橫坐標方向的右手坐標系，如圖1所示。Vx為機器人體坐標系橫坐標方向線速度，Vy為機器人體坐標系縱坐標方向線速度，為機器人角速度，角速度正方向為機器人體坐標系逆時針方向。記(Vx Vy )為機器人的速度向量（以下簡稱速度），v1、v2、v3、v4分別為機器人1號、2號、3號、4號四個輪子的線速度。根據機器人四個輪子的布局，δ1、δ2分別為45°和60°，驅動輪中心到車體中心的距離R為22.5 cm，驅動輪半徑r為10 cm。

圖1 機器人體坐標系及速度分解示意圖

機器人世界坐標系定義為以場地中心為原點，對方球門方向為正方向的右手坐標系。根據圖1所示幾何關系，四個輪子的轉速分解如下：

v1v2v3v4=－cos δ1－sin δ1R－sin δ2cos δ2Rsin δ2cos δ2Rcos δ1－sin δ1RVxVy(2.1)

故四個輪子的期望轉速為：

ω1ω2ω3ω4=v1v2v3v4Krate(2.2)

ω1、ω2、ω3、ω4分別為四個輪子的轉速，Krate為輪子線速度與轉速的換算比。由v=ωr可知：

Krate=ωv=1r(2.3)

3 運動控制系統體系結構圖

運動控制系統體系結構如圖2所示。機器人的線速度由加速度計測得的線加速度經積分后獲得，角速度由陀螺儀測得。整個控制系統包含兩個閉環。外環將期望的速度同反饋回的速度做差得到機器人的速度誤差，速度補償控制器依據誤差及誤差變化率得到相應的速度補償量。然后將速度補償量與期望速度相加，即對期望的速度進行修正。之后再依據公式2.1分解出各輪的期望轉速。這實際上將速度補償量分配到了四個輪子，實現了對四個輪子的速度補償。而內環則是一個典型的直流電機調速系統，其反饋量是通過電動機光電編碼盤返回的正交脈沖信號得到的。對于內環無刷直流電機調速系統本文不多做論述。我們默許單個無刷直流電機調速系統已有足夠的精度，本文著重討論外環速度補償控制器的設計。

圖2 運動控制系統體系結構框圖

4 速度補償控制器設計

4.1 控制器結構設計

記期望的機器人的速度為(Vxs Vys s)，反饋回的機器人的速度為(Vx' Vy' ')，則速度誤差為(eVx eVy e)=(Vxs－Vx Vys－Vy s－'）。由于反饋回的線速度是由加速度計測得的線加速度經積分得到的，其精度并不是很高。因此外環速度補償控制器采用高精度的控制算法意義不大，而應在保證控制的快速性，穩定性與魯棒性的前提下盡可能提高精度。由于機器人在體坐標系的x和y方向有相似的運動特性，因此我們可以將速度誤差分為線速度誤差(eVx eVy)與角速度誤差e兩部分，分別通過一個線速度補償控制器和一個角速度補償控制器。

速度補償控制器的輸入量為速度誤差(eVx eVy e)，輸出量為速度補償量(uVx uVy u)。我們知道數字PID控制的常用表達式為：

u(k)=Kp{e(k)+TTi∑ki=0e(i)+TdT［e(k)－e(k－1)］}

=Kpe(k)+Ki∑ki=0e(i)+Kd［e(k)－e(k－1)］(4.1)

式中：T為采樣周期；k為采樣次數；Kp為比例作用系數，Ki=KpTTi為積分作用系數；Kd=KpTdT為微分作用系數。由公式4.1第二項可知，積分項依賴于以往所有的誤差。而前面提到，反饋回的線速度的精度并不是很高，若引入積分項反而可能累積出更大的誤差，同時也大大增加了計算量。因此本文采用PD控制的方法，其表達式如下：

u(k)=Kpe(k)+Kd［e(k)－e(k－1)］(4.2)

記線速度補償控制器的參數為KpV、KdV，角度補償控制器的參數為KP、Kd。KpV、KdV、KP、Kd均為正數，由4.2式可得：

uVx(k)uVy(k)=KpVeVx(k)eVy(k)+

KdVeVx(k)－eVx(k－1)eVy(k)－eVy(k－1)(4.3)

u(k)=Kpe(k)+Kd［e(k)－e(k－1)］(4.4)

由于兩個速度補償控制器結構相似，我們不妨考察對Vx的補償。記輪速分配的輸入量為VxVy，結合圖2、公式4.3、公式4.4可知：

VxVy=

Vxs+uVx(k)Vys+uVy(k)s+u(k)(4.5)

對于Vx，當k-1與k時刻均有期望速度與反饋速度相等，即Vxs=Vx'時，eVx=0，uVx(k)=0，Vx=Vxs。當Vxs＞Vx'，即eVx(k)＞0，說明實際速度低于期望速度，若更有eVx(k)－eVx(k－1)＞0，說明誤差在擴大，此時公式4.3右邊兩項均為正值，則得到較大補償量uVx(k)，使得Vx＞Vxs。補償量通過速度分配補償到各個輪子上后使得機器人增加x方向的速度從而減小誤差。此時則有eVx(k)－eVx(k－1)＜0，公式4.3右邊第二項變為負值，補償量uVx(k)變小，有利于機器人速度變化平滑，減小振動。其他情況的分析方法類似。

4.2 PD控制器參數整定

在機器人控制算法中，PID和PD是最簡單的控制算法。其控制算法不僅簡單，而且參數調整方便，魯棒性好，可靠性高。然而它是基于對象數學模型的方法，尤其適用于可建立精確數學模型的確定性控制系統。由于足球機器人是一個多變量，強耦合，非線性時變的復雜系統，當系統負載或參數發生變化時，采用PD控制難以保持設計時的性能和預期效果。然而，模糊控制不要求掌握被控對象的數學模型，能夠克服非線性因素的影響，對調節對象的參數變化具有較強魯棒性，并能夠減小超調量，提高抗干擾能力，縮短調節時間［4，5］。基于以上原因，本文結合模糊控制與PD控制的優點，設計一種基于模糊控制的具有參數自整定功能的模糊PD控制器。

圖3 參數自整定模糊PD控制器

如圖3所示，我們通過參數自整定模糊規則對PD控制器的Kp，Kd參數進行整定。具體的，在系統運行中不斷檢測誤差e和誤差變化率Δe，根據模糊控制的原理對兩個參數進行在線修正以滿足不同工況（表現為e和Δe）下對（Kp，Kd）的不同要求，最終獲得良好的動態和靜態控制性能。總結以往控制系統的設計經驗：當|e|較大時Kp應較大而Kd應較小，這樣可使系統響應加快，令機器人可靠和快速的回到期望的軌跡上來；當|e|中等時，Kp應較小，使超調量較小，Kd取值要適當，因為它對系統的響應影響較大；當|e|較小時，Kp應較大，使系統具有較好的穩態性能，同時，Kd要適當，避免在平衡點附近出現振蕩［6］。

根據以上分析，我們把|e|和|Δe|各分割成兩個模糊子集，表示為“大”（L）、“中”（M）、“小”（S），其隸屬函數分別如圖4的a、b所示，其形狀可以通過參數a1，a2，a3和b1，b2，b3來調整。

圖4 語言變量|e|和|Δe|的隸屬函數

根據|e|和|Δe|的不同組合和需要得到相應工況下參數自整定的模糊控制規則如下：

rule1:IF［＜|e|=L＞and＜|Δe|=L or Μ＞］

THEN＜Kp=Kp1,Kd=0＞

rule2:IF［＜|e|=L＞and＜|Δe|=S＞］

THEN＜Kp=Kp1,Kd=Kd1＞

rule3:IF［＜|e|=M＞and＜|Δe|=L or M＞］

THEN＜Kp=Kp2,Kd=Kd2＞

rule4:IF［＜|e|=M＞and＜|Δe|=S＞］

THEN＜Kp=Kp2,Kd=Kd3＞

rule5:IF［＜|e|=S＞and＜|Δe|

=L or M or S＞］

THEN＜Kp=Kp3,Kd=Kd3＞

|e|和|Δe|在各種組合下的Kp，Kd值通過湊試法得到。由于較大的|e|和|Δe|一般出現在機器人啟動加速時，較小的|e|和|Δe|一般發生在機器人直線勻速運動時，而中等的|e|和|Δe|則大多發生在機器人弧線行走時。因此，根據實際情況，對于較大的|e|和|Δe|組合，我們反復湊試參數Kp，Kd，直到機器人啟動速度達到滿意為止；對于較小的|e|和|Δe|組合，我們湊試一組Kp，Kd，使得機器人能走比較精確的直線；而對于中等的|e|和|Δe|組合，則湊試一組Kp，Kd，使機器人能做比較精確的圓周運動；對于其他的|e|和|Δe|組合則可根據實際情況對以上三種情況湊得的Kp，Kd參數進行組合。以上規則中Kp1，Kd1為機器人直線測試湊得的參數，Kp2，Kd2為機器人圓周測試湊得的參數，Kp3，Kd3為機器人啟動測試湊得的參數。

5 仿真實驗

本文在MatlabSimulink環境下對機器人的運動控制系統進行建模和仿真分析。為了便于分析，根據實際應用情況我們作如下的假設：①機器人是在一個平坦的表面上運動，以忽略地面的不規則情況；②輪子與地面之間點對點的滾動摩擦小到可以使車輪滾動；③機器人是鋼體，不考慮形變的情況。另外，由于仿真實驗中無法使用加速度計及陀螺儀來測量機器人的速度，我們可以根據公式2.1、2.2由四個輪子的轉速得到機器人的實際┧俁齲邯

Vx'Vy''=

1400012(sin δ1+cos δ2)00012R(sin δ1+cos δ2)

－1cos δ1－1sin δ21sin δ21cos δ1－111－1cos δ2sin δ1sin δ1cos δ2ω1'ω2'ω3'ω4'1/Krate (5.1)

Matlab仿真實驗中無刷直流電機的性能參數為：額定功率60 W；額定轉矩85 mNm；額定轉速8 050 rpm；額定電壓24 V；額定電流3.44 A；轉子慣量33.3 gcm2；電樞電阻0.611 Ω；電樞電感0.119 mH；轉矩常數25.9 mNm/A；速度常數369 rpm/V；機械時間常數3.03 ms。電機減速器參數為：減速比1∶22；轉動慣量0.8 gcm2。機器人參數為：質量23 kg；半徑22.5 cm；輪半徑10 cm；單輪摩擦力矩1.86Nm。

為了測試機器人對線速度及角速度的跟隨性能，仿真實驗讓機器人在世界坐標系中走S型曲線。具體的給定機器人體坐標系的x方向線速度為1 m/s，y方向線速度為0 m/s，機器人體坐標系x軸的正方向指向世界坐標系y軸的正方向。機器人的朝向角以θ=π4sin (πt)的規律變化，故機器人的角速度為=π24cos (πt)。實驗通過啟用速度補償器和未啟用速度補償器兩種情況進行比較，得到四個輪子的轉速曲線、機器人的速度曲線及機器人的運行軌跡分別如圖5的a、b、c所示。

結果分析：當未啟用速度補償器時，在機器人運行軌跡的曲率較大處，四個輪子（尤其是1號和3號輪子）的轉速有較大的波動，從而使得機器人的線速度也有較大波動。由于仿真實驗并未對機器人引入位置反饋（事實上機器人的位置反饋是通過И

(a)四個輪子的轉速曲線

(b)機器人的速度曲線

(c) 機器人的運行軌跡

……期望速度曲線及運行軌跡

未啟用速度補償器時的速度曲線及運行軌跡

啟用速度補償器時的速度曲線及運行軌跡

圖5 S型軌跡跟隨實驗結果圖示

全向視覺的自定位實現的），使得速度誤差累積到位置誤差上，造成機器人的運行軌跡與期望軌跡相比有較大的偏差；而在啟用速度補償器后，四個輪子的轉速的波動明顯減小，使得機器人對期望線速度和角速度的跟隨大為改善，機器人運行的軌跡也更加接近期望軌跡。

6 結束語

由于四輪驅動全向移動機器人的四個輪子之間存在耦合關系，即使單個電機的控制參數達到最優，整個機器人的控制效果也未必最佳。另外，由于場地材料不同，四個輪子裝配上存在誤差，輪子與場地之間摩擦力不一致，四個驅動電機存在機械差異等原因，使得機器人在加速過程中四個輪子加速不一致從而使機器人的實際位姿與期望位姿之間存在偏差。而且機器人運動速度越大，位姿的偏差也越大。在啟用的速度補償器后，將機器人整體進行閉環控制，通過模糊PD控制實時根據具體的工況對速度進行相應的補償修正并最終分配到四個輪子上，有利的改善了對軌跡跟隨的精度。

參考文獻

［1］LUCA C, ALESSANDRO D L, STEFANO I, Trajectory tracking control of a four-wheel differentially driven mobile robot ［C］ //International Conference on Robotics and Automation.Detroit, MI, USA: IEEE,1999: 2632-2638.

［2］ 熊蓉，張翮，褚健，等．四輪全方位移動機器人的建模和最優控制［J］．控制理論與應用，2006，23（1） ：93-98．

［3］ 宋海濤，張國良，王仕成，等．全向移動機器人最短時間控制［J］．電機與控制學報，2008，12（3）：337-342．

［4］ 陳啟軍，王月娟，陳輝堂．基于PD控制的機器人軌跡跟蹤性能研究與比較［J］．控制與決策，2003，18（1）：53-57．

［5］ 張涇周，楊偉靜，張安祥．模糊自適應PID控制的研究及應用仿真［J］．計算機仿真，2009，26（9）：132-135．

篇7

歲月的年輪碾過一圈又一圈，留下了一切抹不去的印記，記憶的風再一次吹過耳際，我試圖磨平一切的悲歡離合，歡聲笑語和一路行來得好心情，而它唯一抹不去的是我對你記憶，點點滴滴只求這永遠銘記，帶著我的思念安然睡去。當我再次想起你的時候，耳邊回響起你那私語叮嚀，浮現出你那動人的微笑，我的淚水早已滑落，滴落在心中那孤單的小島上，滴落在每一面平靜的小溪里，我的心中蕩漾開了漣漪，我千百次地聲嘶力竭，呼喊你的名字，在夢的盡頭，在靈魂的深處，只求你不要離開我，讓我獨自一人守在這個空蕩蕩的小島上，哭泣……

我只呼喚有一個人能真真切切走進我心里，像一束陽光，照進我的心里某一個陰暗的角落，烘干我心中所有的淚水，我只呼喚有一陣暖風吹來，能為我抹去眼角的淚水，撫慰我內心的寂寞……

是否有那么一首歌能喚醒你沉睡的靈魂，是否你知道有那么一個人值得去為你守候，為你停留……

篇8

歲月荏苒，指間流沙，我亦不在是花季的懵懂，又不在是雨季的無知，青蔥歲月飄過的呢喃，青澀已漸行漸遠。

前世五百次的回眸，換來今生一次的擦肩而遇，與你相遇，三生有幸，遲來的緣分，便是世世輪回里的注定。殊不知，你奈何橋邊的徘徊，終究敗在孟婆湯下，與我陌路成殤，在多的擦肩而遇，終抵不過宿命的安排。

一場相遇，一城花開；一場別離，一城花落。我亦懂得，擦肩而過的美麗，便已在彼此宿命的輪回里，埋下紅塵夢魘里的一首與你邂逅的婉歌，清脆而悠遠，飄蕩在那個相思的昨天。別離的無奈，明知未有歸期，我卻奈何橋邊遲遲不肯喝下孟婆湯，只為經年里于你的那一抹馨香，哪怕清清淡淡，終是一縷希望。

整理記憶里散落一地的碎片，終拼不出一副完美的畫面。望著漸漸遠去的身影，最后消失在雙眸的深處，我努力的掙扎，為了那一世，你能感覺到，我那揮之不去苦苦的追尋，癡癡的等待。眼眸里的淚水不停的打轉，徘徊在眼角邊的那一顆顆淚珠，打破了塵封的記憶，夾雜著我對你深深的思念，劃過衣襟，劃破沉思，將所有的寄托，伴著跌落聲，一直牽掛。

未曾遠去的記憶，滿是你的倩影，仍停留在我的相思渡口，不曾離去。與你錦瑟年華里的那場風花雪月，悲傷的邂逅，卻怎么忘卻不了，初識里，你如水的雙眸。

一次次回憶，總是一抹抹憂傷，唯有一杯杯濁酒，一回回獨自埋醉。借酒消愁，愁更愁，舉杯間，觸及味覺的那一刻，依舊是對你的那一份執念，不曾淡去，也不曾散去。

篇9

俯仰之間，

已為陳跡，

猶不能不以之興懷。

——題記

時光荏苒轉眼即逝

很快

高中三年的生活就此結束

那些記憶中的美好都已成回憶

此時彼刻

我只能敲打著鍵盤

用文字訴說一切

襲著一身疲憊

懷揣著過去的天真

用文字維系我的感情繩索

用文字流瀉我的記憶長河

用文字充實我的成長相冊

那些支離破碎的故事

我用熱血一張張拼湊

一樁樁一件件

在我翻閱紙張的指尖滑過

很想留住

卻又偏偏流走

時間

抓不住亦不會駐足

驀然回首

時間在記憶的土地上

留下了深深的腳印

擦不掉抹不去

已是根深蒂固

窗外

細雨如紗

云煙氤氳

為點點思緒

平添了幾分灰色的憂郁

或倚窗看雨

或憑欄惜陰

或點墨續章

在記憶里

像泡沫一樣

溫柔的泡著

泡著

向之所欣

篇10

六年級 杜俊士

有件事在我的記憶中留下了不可磨滅的印記，每每想起這件事，我就有一種說不出的感覺，從心里涌出來。

記得那是我8歲時侯，有一次，我放學回家，家里沒人，我便去了奶奶家。奶奶特意為我做了我最愛吃的米飯。當我吃到半碗時，覺得飽了，不愿再吃了，就把飯倒到了院子里。

這時候，爺爺剛剛從農田里干活回來，看到我把飯倒掉了，便對我說“難道你沒有學過《憫農》這首詩嗎？誰知盤中餐，粒粒皆辛苦。你不知道嗎？農民伯伯辛辛苦苦收獲來的糧食，你怎么能糟蹋了呢？

爺爺說完這些話，我羞愧萬分，對剛才的所作所為感到十分懊悔。