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。     

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。     

基于GB_RRT算法的机械臂路径规划

针对五自由度机械臂路径规划问题,提出一种基于快速扩展随机树(rapidly-exploring random tree,RRT)优化算法—GB_RRT算法。为弥补因基本RRT算法采样盲目性导致的效率低下的缺陷,GB_RRT算法采用高斯采样的方法进行启发式采样,同时结合贪婪扩展算法来提高随机树的局部扩展速度。为进一步缩短规划路径,该算法采用双向同时剪枝取最优的策略来删除不必要的采样节点。最后对机械臂进行了仿真实验和样机实验。实验结果表明,高斯采样法结合贪婪策略不仅降低了采样的盲目性,而且能够提高扩展树的扩展速度,更好地规避开障碍物;双向剪枝取最优的策略也在一定程度上缩短了规划路径的长度。     

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。     

面向改进RRT算法的回转空间布线技术研究

为解决回转空间下曲率变化大、线缆搜索效率低等问题,提出一种面向改进RRT算法的线缆路径规划的方法.通过对回转空间建模和布线空间划分进行研究,减少了不必要的搜索空间,提高了搜索效率.为解决RRT算法中采样点和扩展方向随机性过强的问题,避免节点"斜跨"表面敷设过大,提出了轴向约束角度采样策略,同时为提高算法整体搜索效率,提...     

一种IPRRT的机械臂三维路径避障算法

标准RRT(Rapidly exploring random tree)算法进行路径规划时,存在规划时间长、规划路径质量差的问题。针对以上问题,提出一种IPRRT算法（Improved RRT algorithm）,首先通过重选父节点环节策略剔除冗余路段,区域排斥机制剔除冗余节点,缩短规划路径与规划时间;其次采用线段转角限位与评估函数提升路径质量,最后采用三次Hermite曲线对路径进行平滑处理;通过对深海机械臂进行仿真实验,验证了IPRRT算法的有效性。     

基于改进快速搜索随机树法的机械手路径优化

针对多关节机械手路径优化问题,提出一种改进快速搜索随机树(Rapidly-exploring randomtrees,RRT)优化算法.利用标准RRT算法规划初始可行路径,根据路径长度与路径安全性计算出该路径代价.在后期搜索树生长过程中,中间目标点并非随机采样,而是选择能使当前路径代价低于其之前路径代价的节点,同时对该节点进行距离检测,避免产生过于密集的节点集.为加快搜索树向未知区域的扩充速度,从最近节点向中间目标点扩充过程中,采用一种贪婪启发式扩充算法:节点以一定步长循环扩充,直至扩充到达目标节点或产生不连通节点.最后对6自由度检修机械手进行路径规划仿真试验,结果表明相对于标准RRT算法,规划路径的质量得到大幅提高.     

基于人工势场引导的改进RRT机器人路径规划算法

针对随机扩展树收敛速度慢、效率低的缺点,提出以人工势场引导节点向目标点逼近,并与改进的转换测试结合实现树扩展的自适应调控。采用人工势场算法建立采样节点的价值函数,使得随机扩展树不断向低代价空间扩展,当陷入局部极小值时,对RRT算法的采样策略进行调节、自适应地寻找逃离路径,使搜索过程快速跳出局部极小值。仿真实验表明,人工势场引导随机树渐进目标点,并与转换测试结合,提高了算法的搜索效率。     

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。     

复杂环境下智能汽车自动驾驶系统研究

为了提高智汽车的驾驶安全性,研究了智能汽车自动驾驶系统,包括路径规划和跟踪两个方面。对于路径规划,在传统RRT算法基础上,将路径转角引入度量函数中,实现了对距离和平滑性的综合度量;将目标偏向策略和相向扩展策略引入到扩展方法中,将随机扩展改进为启发扩展,从而提出了CE-RRT算法,经仿真验证,CE-RRT算法不仅提高了路径规划成功率,而且缩短了规划时间。对于路径跟踪,建立了车辆路径跟踪的线性时变误差模型,设计了线性时变模型预测控制器,通过仿真验证,控制器可以实现对直线路径的完全跟踪,对圆形路径也有很高的跟踪精度。     

基于改进RRT算法的线缆自动布线技术

针对机电产品中线缆布局设计效率低、成本高的问题,提出一种基于障碍物与目标吸引的改进快速扩展随机树算法(Obs-GA RRT)的线缆自动布线方法。该方法以基本RRT算法为基础,提出标准扩展、基于障碍物碰撞面片法矢量方向扩展及基于历史与目标点吸引扩展相结合的扩展策略,并采用节点扩展概率准则及多步贪婪准则,自动求解出线缆的布局初始路径,并提出基于扩展碰撞信息的路径优化方法对求解得到的初始路径进行优化。设计并开发了三维线缆自动布线软件系统,进行了算例测试与实例应用,验证了算法的高效可行。     

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。     

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。     

基于改进蚁群算法的移动机器人路径规划研究

针对传统蚁群算法在移动机器人路径规划中存在收敛速度慢、易陷入局部最优和规划路径不平滑等问题,提出一种用于移动机器人路径规划的改进蚁群算法。首先在状态转移概率中引入平滑函数,使蚂蚁在进行路径节点选择时,考虑路径的平滑性。然后在对路径信息素更新时,引入多目标评价函数;同时提出一种基于熵权的分段信息素更新方式,每次迭代规划路径按多目标评价函数数值进行排序并分段,对不同的分段,引入不同的信息素强度放大系数,提升了算法的收敛速度。最后对规划路径进行二次优化,即先对路径节点进行优化,减少不必要的转弯节点,减小了路径转弯角度以及路径长度;再利用贝塞尔曲线对节点优化后路径的转弯拐点处进行平滑。在20×20的简单和复杂栅格环境中进行仿真实验,结果表明,改进蚁群算法规划出的路径长度更短、转弯角度更小和路径更加平滑,同时改进蚁群算法的迭代收敛速度更快,验证了改进蚁群算法在移动机器人路径规划中的优越性。     

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...     

蝴蝶优化算法的移动机器人全局路径规划研究

针对移动机器人路径规划问题提出了一种改进的蝴蝶优化算法。将蝴蝶优化算法与栅格法相结合,并对两种方法结合后的算法进行了具体说明;引入了禁忌表和回溯法,解决了算法在路径寻优中无后续扩展节点的问题;结合三次B样条曲线将路径规划中的最优节点作为控制点进行平滑输出,使移动机器人实际运动路径更加平滑。通过仿真实验,将改进算法与蚁群算法、遗传算法进行比较,证实了改进算法能够有效解决路径规划问题。将改进算法应用到实际的基于ROS的移动机器人上,实验结果证明了改进算法的有效性和可行性。     

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。     

基于改进RRT算法的冗余机械臂路径规划研究

针对RRT算法在机械臂路径规划的过程中无方向性,在无障碍物处产生过多无用节点的问题,采用目标偏置、双向分段搜索的策略对RRT算法进行改进,提出了具有导向性的双向分段搜索的改进RRT算法并应用于七自由度冗余机械臂的路径规划上,通过Matlab进行了三维环境路径规划仿真实验,并通过ROS平台进行冗余机械臂在简单环境与狭窄环境的避障仿真实验。实验结果表明,改进的RRT算法能够有效地减少路径的节点数量与搜索时间,并提高路径规划的成功率。     

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*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。