代价函数引导的机械臂运动规划算法

本文提出一种基于连杆运动方程的人工势场,引导基于转换的快速随机扩展树(T-RRT)改进算法采样,在高维度空间搜索低成本路径的同时解决机械臂运动规划中T-RRT算法收敛速度慢的问题。简化机械臂模型以提高碰撞检测的效率,并与运动学分析结合调制连杆运动方程,从而确定各质点轨迹长度、叠加以建立机械臂人工势场,作为代价函数判断状态节点的成本,引导其不断向目标位置逼近,同时为了进一步提高算法的扩张速度,引入剪枝函数对细化节点进行限制。在不同的障碍地图中进行MATLAB仿真实验,该算法与RRT、T-RRT算法相比,路径长度最短、节点采样效率最高、节点平均采样时间最优,运行时间分别缩短了约3/4及2/3。所提算法在提高路径质量的同时有效提高搜索效率,能适应环境的变化。     

多障碍环境下机械臂避障路径规划

为提高协作机器人在多障碍环境下的避障路径规划的成功率和效率,针对机械臂和障碍物提出碰撞检测方法,并提出低振荡人工势场—自适应快速扩展随机树(ARRT)混合算法进行路径规划,机械臂先采用低振荡人工势场法进行搜索,当遇到局部极小、碰撞等情况时切换成ARRT进行逃离,直至到达目标点.另外,为了在每个步长都取得最优的逆运动学关...     

一种装配路径规划改进GoalBia-RRT算法

针对复杂产品装配路径规划问题,提出一种偏目标型快速扩展随机树改进算法。该算法主要是基于偏向目标快速扩展随机算法(GoalBia-RRT),采用混沌搜索生成随机采样点的策略和局部引导新节点生成策略进行改进,不仅能够快速搜索覆盖整个装配空间,使朝着目标点生长的搜索路径可以快速脱离局部极小区域,避免陷入局部极小值问题,而且得到的路径可通行性得到极大改善。最后,通过仿真实验验证了该算法的优越性,并集成在CATIA平台上,开发出原型系统,通过实例验证了可行性和实用性。     

多窄路口下改进的bi-RRT路径规划

多窄路口的复杂环境路径规划中,快速扩展随机树(rapidly exploring random Trees,RRT)存在重复搜索和难以通过等缺点。提出改进的双向快速随机扩展树(bi-directional RRT,bi-RRT)的路径规划算法,在多路口来设置人工虚拟目标点,首先根据其连通域采用Dijsktra算法求出一组最短路径的虚拟目标点,再根据虚拟目标点构建采样区域,结合小车的非完整积分约束、环境约束和上述构建的采样区域,利用bi-RRT搜索可行路径。该算法解决了机器人在狭窄路口重复搜索的问题并提高全局搜索效率。通过仿真实验验证该算法的高效性、实时性和正确性。     

基于改进快速搜索随机树算法的包裹分拣路径规划算法

针对现有快递包裹分拣系统存在的传输速度慢,准确率低等问题,提出一种改进的快速搜索随机树(RRT)算法.该算法以RRT算法为基础,首先建立了包裹环境模型,引入人工势场法引力分量使节点的扩展更具方向性.其次,对于节点进入障碍物区域需多次重新采样的问题,采用扇形区域法避障以提高算法生成质量,并在路径规划结束后采取二次优化,以...     

非完整约束移动机器人CRAB-RRT轨迹规划

针对快速扩展树算法在多障碍环境搜索效率低、冗余节点多的问题，提出一种CRAB-RRT算法。该算法采用圆域概率偏向采样策略进行随机采样；将扩展树上节点分为2类，通过度量邻近点间对角线距离、历史路径成本和扩展角度的加权和，在有效邻近点集中选出高质量最近点；在新节点扩展中添加了目标引力分量，并根据环境障碍信息实现扩展步长自适应变化；经过对非完整约束移动机器人运动学模型的分析，提出了极限角约束，通过考虑受极限角约束的路径裁剪策略剔除冗余节点，利用三次B样条平滑方法平滑轨迹。通过数值仿真分析和实车实验，验证了CRAB-RRT算法的可行性、实用性与优越性，平滑后的路径更利于机器人跟踪，且适用于多障碍环境。     

一种改进人工势场法的机械臂路径规划方法

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。     

基于改进RRT*FN算法的机械臂多场景运动规划

针对固定节点数的渐进最优快速扩展随机树(RRT*FN)算法精度低、对环境缺乏适应性等问题,提出了一种改进RRT*FN的机械臂运动规划算法。在迭代过程中,结合目标偏向随机采样和椭球子集采样的优势,构造新的启发式方法对采样区域进行约束,从而保证搜索路径更优。在扩展节点时,配置树中总节点数的预设值,并通过加权方法对树中叶子节点进行删减,避免了树规模的无限增长。在动态环境下,采用对节点剪枝与连接的启发式重规划方法,有效提高了对动态环境的适应能力。实验结果表明,该算法在规划过程中收敛速度更快,效率更高,具有较强的环境适应性。     

改进人工势场法的移动机器人路径规划分析

由于传统人工势场法存在目标不可达和局部极小值点问题,在有多个障碍物的环境下非常容易导致无法路径规划。对人工势场法的特点进行了分析,提出了采用激光传感器测距模型和Wi-Fi定位算法构建路径规划的环境;对于障碍物与目标点过于接近而引起的斥力势场和引力势场同时增大继而出现的目标不可达问题,采用在斥力势场函数中增加一个距离因子的方法来使机器人能准确找到目标点;当障碍物处在机器人与目标点之间时,机器人很容易陷入局部极小值点的情况,采用旋转斥力一定角度的方法使机器人逃离极小值点,绕开障碍物而迅速向目标点移动。仿真实验证明了该方法能够成功规划出一条平滑无碰撞的路径。     

基于稀疏节点快速扩展随机树的移动机械臂运动规划

针对传统移动机械臂运动规划未考虑停靠误差、规划效率低等问题,提出一种基于稀疏节点快速扩展随机树的移动机械臂运动规划方法.研究了停靠误差对移动机械臂运动规划的影响,制定了基于坐标转换的误差补偿措施.针对快速扩展随机树算法在局部空间中过度搜索的问题,改进回归过滤机制,避免了节点重复扩展.考虑边界节点的有效性,提出了随机点边...     

基于梯度下降法和改进人工势场法的无人车避障方法

无人车在规划路径进行实时避障时所使用的传统人工势场法存在着局部极小值的缺点,导致无人车无法顺利到达目标点。通过对人工势场法规划路径失败原因分析,用梯度下降法对人工势场法进行优化,找到产生局极小值点的障碍物,并在局部极小值点通过增加模拟风的阻力的外部扰动方法使其跳出局部极小值点,在一定误差范围内使得无人车顺利到达目标位置,用MATLAB软件对该方法进行虚拟仿真,验证了该方法的正确性。     

人工势场法局部极小值的研究

以人工势场法的局部极小值问题为研究对象,对人工势场法局部极小值内容进行算法改进。首先,研究了人工势场法的原理,分析了产生局部极小值的原因;其次,对增加障碍物斥力、“绕墙走”方式、自动添加子目标点、手动添加子目标点等4种方法进行了理论分析;最后,使用MATLAB对4种解决方法进行了仿真验证,结果表明手动添加子目标点的改进方式较优。     

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。     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree, RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率。首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用启发式搜索思想,保留优于其父节点的随机搜索点为新节点;最后,修剪路径中的冗余节点,并采用贝塞尔曲线对路径进行平滑处理。在MATLAB平台上进行仿真,结果表明,改进RRT路径规划算法较传统RRT路径规划算法、RRT-connect路径规划算法效率更高,收敛性更强,可以很好地提高核退役机器人的避障能力。     

复杂结构条件下的装配路径求解与优化技术

针对复杂结构条件下的零部件装配路径自动求解困难的问题,提出基于障碍和贪心规则的快速扩展随机树(Rapidly-exploring random tree,RRT)算法。该算法以基本RRT算法为基础,采用随机采样、终点采样、局部采样相结合的采样方式,利用目标零件与障碍物的碰撞面片法向量和碰撞点位置来引导随机树的扩展方向,在每个扩展方向上按贪心规则进行扩展,并提出先平移后旋转的扩展策略。对求解得到的初始装配路径,提出运用分段线性拟合的方法进行路径自动优化。设计并开发了装配路径求解软件原型系统,进行了算例测试和实例应用,结果验证了算法的高效可行。     

人工势场引导蚁群算法的机器人导航路径规划

蚁群算法应用于路径规划时,算法前期信息素分布均匀,只依赖启发信息搜索最优路径,因此存在盲目搜索和收敛慢的问题;蚁群算法后期由于信息素的正反馈作用,使蚁群算法陷入局部最优时无法跳出.为了解决这些问题,提出了改进人工势场法引导蚁群算法的路径规划方法.介绍了栅格环境建模法;以人工势场法为基础,给出了路径中间点选择方法,取消了障碍物斥力而只保留目标点引力,在目标引力下实现路径规划;以改进人工势场法规划路径启发蚁群算法,减少前期路径规划盲目性,实现加快收敛的目的;改进信息素更新方法,使信息素遗留因子随路径优劣自适应变化.由仿真结果可以看出,相比于蚁群算法和文献[10]势场蚁群算法,这里算法规划路径最短、平均迭代次数最少、算法平均耗时最少.     

基于改进势场蚁群算法的自动引导小车路径规划研究

自动引导小车(AGV)是自动化车间里必不可少的一种运载工具,为了实现AGV小车可以在自动化车间环境下能够进行自主导航、避障和路径最优功能,提出了一种通过建立栅格地图,在蚁群算法的基础上加入人工势场局部搜索寻找最优路径的算法。该算法通过利用人工势场法中AGV到目标点的距离构造启发函数,根据对动静态障碍物的识别来重构不同的势场函数,从而增加AGV在局部路径上的搜索和安全避障能力,同时利用蚁群算法的搜索方式来寻找到目标点的全局最优路径。通过仿真实验证明了所提出算法能有效解决自动化车间环境中的路径规划问题。     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大，搜索效率较低且规划的路径不利于机器人移动等缺点，从3个方向进行改进。首先，对于随机树扩展时随机性较大的问题，将传统的扩展方向加入改进人工势场法约束，使得随机树偏向目标点生长；其次，将改进RRT算法规划的路径进行关键点提取，并优化路径；最后，将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明，优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好，融合算法在复杂环境中规划出的路径能够很好地避开障碍物，路径更加平滑且更短。     

基于改进RRT结合B样条的机械臂运动规划方法

为解决传统快速拓展随机树(RRT)算法的随机性强，导向性差，规划时间长及寻迹平滑度差等问题，提出一种基于目标偏置策略结合自适应可变步长的改进型RRT算法(PAVS-RRT)。首先，在传统RRT算法基础上设置一个目标偏置阈值，同时引入局部扩展机制避免因改变采样结构而造成的局部最优问题；其次，结合自适应步长策略优化其搜索时间；最后，采用三次B样条函数对所规划路径进行拟合优化。仿真实验中所提算法在保证机械臂成功避障且顺利抵达目标位置的同时，其各关节参数均波动较小且未发生突变，有效降低了机械臂在运动规划过程中的抖振情况。实验结果表明，所提算法较基本算法其平均路径搜索时间提高了73.49%,算法搜索效率及平滑性得到显著改善。     

局部环境增量采样的服务机器人路径规划

针对室内服务机器人在未知动态环境中工作时的功能需求,提出了一种局部环境增量采样的路径规划算法。该方法首先依据当前环境构建基于障碍物碰撞风险的评估概率;然后在搜索树扩展的过程中,设计了结合碰撞风险评估概率和欧氏距离的代价函数,避免了每次扩展时新节点和潜在扩展边的碰撞检测,提高了算法效率;同时,搜索树扩展借鉴了快速随机扩展图算法的扩展方式,实现在当前搜索树结构下的最优扩展;另外,提供了算法的性能分析。最后,仿真及实验结果表明该方法具有良好的规划性能,需要较少的计算时间和平均迭代次数,能够满足室内服务机器人实时路径规划的工作需求。