基于主从任务转化的闭环控制避障算法

冗余度机械臂避障算法研究一直是机器人领域的研究热点之一。针对传统算法的不足提出一种基于主从任务转化的闭环控制避障算法。主从任务转化通过监测机械臂各杆件与障碍物之间的最小距离变化实现避障任务和期望轨迹跟踪任务的主从切换,从而解决当障碍物位于机械臂末端期望轨迹上时避障运动和期望轨迹跟踪运动存在的相互冲突问题。考虑到机械臂避障时其末端跟踪精度差的问题,引入对冗余度机器臂末端期望位置和实际位置的误差控制,使得机械臂末端跟踪精度显著提高。同时,该算法还适用于多障碍物避障和动态避障且具有计算量小和躲避速度变化连续等优点。通过三自由度平面冗余度机器臂的仿真试验,验证了该算法的正确性。仿真结果表明,该算法能够有效解决当障碍物位于机械臂末端期望轨迹上时存在的冲突问题,而且机械臂在避障的同时也能够高精度跟踪末端期望轨迹,且能够完成多障碍物避障和动态避障。     

一种任务转化的动态避障算法

传统的避障算法多适用于静态障碍物,且当障碍物位于机械臂末端期望轨迹上时,算法会失效,针对传统算法的不足提出了一种基于任务转化的动态避障算法。该算法通过监测机械臂各杆件与障碍物之间的最小距离变化实现末端期望轨迹跟踪运动和避障运动的任务转化,通过实时监测障碍物的位置变化完成动态避障。最后,通过三自由度平面冗余度机器臂的仿真实验,验证了该算法的有效性。仿真结果表明,该算法能够有效解决当障碍物位于机械臂末端期望轨迹上时存在的冲突问题,且能够完成动态避障。     

冗余度双臂机器人协作策略下实时避障算法

针对冗余度双臂机器人协调操作过程中机械臂本体避障及躲避环境障碍问题,提出了基于冗余机械臂自运动特性的双臂机器人协作策略下实时避障算法。首先,利用障碍物在机械臂连杆上的投影矢量筛选掉不会避碰杆件,再计算可能避碰杆件与障碍物的最短距离;其次,根据双臂协作的运动学约束关系,得到冗余度双臂机器人协调搬运避障的运动学逆解;再次,引入梯度“安全距离”和两个避障因子,实时改变机械臂的避障速度,使机器人末端完成协作任务以及双臂实时自避碰及躲避环境障碍物的任务;最后,利用冗余度双臂机器人进行仿真及实验。结果表明：双臂机器人末端执行器执行协作任务的同时机器人双臂可以躲避障碍物,且各关节运动连续、平稳。     

冗余度机器人梯度投影避障算法的改进

针对传统基于梯度投影法的避障算法只进行关节空间局部调整,无法实现冗余度机器人末端躲避障碍物的不足,提出一种改进的避障算法。借助人工势场思想,实时地规划出冗余度机器人末端的避障路径。同时以最短距离为指标,进行关节空间自运动调整。末端避障和关节自运动调整相结合,实现全局范围避障。最短距离计算采用解析方法,避免最短距离垂足落在杆件延长线上的问题。在MATLAB软件中进行了冗余度机器人避障仿真,规划用时1.73 s,证明改进后避障算法的有效性和高效性,并且能实现目标追踪过程中的动态避障。     

基于A~*算法的空间机械臂避障路径规划

针对空间机械臂在轨操作任务需求,提出一种基于A*算法的避障路径规划算法。根据机械臂和障碍物几何特征,对机械臂模型和障碍模型进行简化。通过研究机械臂本身所固有的几何特性,根据障碍物的位姿坐标,分析机械臂各杆件与障碍物发生碰撞的条件,进而求解空间机械臂的无碰撞自由工作空间。在此基础上,利用A*算法在空间机械臂的自由工作空间进行无碰撞路径搜索,实现了空间机械臂的避障路径规划。通过仿真试验验证了基于A*算法的空间机械臂避障路径规划算法的有效性与可行性。     

基于改进人工势场法的双机械臂避障路径规划

针对双6自由度机械臂提出了一种基于改进人工势场法的避障路径规划算法。分析了双机械臂的协作工作空间,确认了双臂自碰撞的可能。针对静态障碍物对主机械臂进行避障运动规划,完成主机械臂路径规划后,再将主机械臂作为从机械臂运动时的动态障碍物,为从机械臂规划避障运动路径。利用新的势能函数代替传统人工势场法的势能函数,对双机械臂进行避障路径规划;由于传统人工势场法在机械臂避障路径规划中容易陷入局部极小值的缺陷,因此,增加了虚拟吸引点,避免机械臂陷入局部极小值。仿真实验表明,该方法实现简单,满足双机械臂避障的要求,能够有效地为双机械臂规划出无碰撞路径。     

基于改进快速扩展随机树算法的双机械臂协同避障规划方法

提出了一种基于改进RRT算法的双机械臂协同避障运动规划方法。针对静态障碍物对主臂进行避障运动规划,寻找主臂可行路径。将主臂每一时刻的运动位姿视为规划从臂运动时的动态障碍物,为从臂规划可行运动路径。为提高算法的搜索效率,利用节点剪枝择优和设置目标区域的方式使算法快速收敛。在MATLAB程序建模实验的基础上,在ADAMS中进行仿真实验,验证了该算法的有效性和可行性。     

移动机械臂无碰抓取方法的研究

提出了一种基于A*算法的移动机械臂无碰抓取方法。根据机械臂的初始姿态和目标物体的空间位置以及障碍物的约束,利用A*算法规划出机械臂末端无碰的轨迹,进而利用冗余度机械臂多解的特性,结合逆运动学,给出障碍物约束下基于最小关节角偏移量优化指标的关节角优化方法。同时,机械臂可根据当前环境的变化更新其末端轨迹,并相应调整姿态以提高适应性。仿真验证了该算法的有效性。     

一种零空间避障的机械臂末端轨迹跟踪算法

针对传统的零空间避障方法无法根据障碍物距离提前采取避障行为同时保证末端跟踪精度的问题,提出一种零空间避障的机械臂末端轨迹跟踪算法.该方法采用伪距离代替欧氏距离作为距离接近度指标解决零空间避障问题,同时设计一种自适应正定系数矩阵K和速度误差饱和函数sat(e),将实时轨迹运行结果反馈给冗余机械臂运动学反解,根据反馈结果自适应调节关节角速度以减小末端轨迹跟踪误差.采用iiwa14机械臂进行仿真实验,仿真的结果表明,所提出的算法能够在完成冗余机械臂零空间避障的同时保证末端轨迹跟踪误差在1 cm以下,验证了所提算法的有效性和优越性.     

基于APF-RRT的双机械臂动态避障路径规划

针对传统人工势场法（Artificial potential field method,APF）在6自由度双机械臂系统避障路径规划中容易陷入局部极小值这一缺陷,提出了一种改进APF与改进快速扩展随机树算法（Rapidly-exploring random trees,RRT）相结合进行避障路径规划的方法。分析了双机械臂的工作空间,确认了双臂干涉的可能性。对于双机械臂的路径规划,利用改进后的APF对主机械臂进行路径规划,并将其作为从机械臂的动态障碍物,为从机械臂规划运动路径;利用改进后的RRT自适应地选择临时目标点,解决了从机械臂路径规划时陷入局部极小值的问题;利用改进的APF对从机械臂的剩余路径进行了规划。仿真分析表明,改进后的APF-RRT算法能比传统算法更加快速准确地解决双臂系统的避障路径规划问题。