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。     

机械臂工作路径的改进蚁群-顺序局部搜索规划

为了减少机械臂末端路径长度和关节转动角度之和，提出了改进蚁群-顺序局部搜索的路径规划策略。建立了机械臂路径规划问题模型，对机械臂关节空间节点进行了离散化。使用顺序局部搜索方法确定下一节点待选集合，依据蚁群算法原理确定优化意义下的下一路径节点。考虑到传统蚁群算法收敛慢、求解质量不高的问题，构造了局部信息素随蚂蚁聚集度自适应更新方法，进而提出了局部信息素自适应蚁群算法。经实验验证，在无障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了15.27%，关节转角和减少了0.78%。在障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了3.26%，关节转角和减少了2.21%。在实物机械臂上进行验证，实验结果与仿真结果一致，验证了这里提出的路径规划方法的有效性。     

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。     

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。     

冗余机械臂逆运动学分析与迷彩喷涂路径规划

文中基于改进智能算法开展冗余机械臂逆运动学分析与三维数码迷彩喷涂路径规划。首先,基于冗余机械臂的初始和极限角度获得测试数据集,同时在网络模型中添加嵌套循环,通过新的遗传算法–逆向传播（Genetic Algorithm-Back Propagation, GA-BP）神经网络模型得到各关节角的最大绝对值误差,完成逆运动学分析;其次,在上述逆运动学求解的基础上,开展迷彩喷涂路径规划,建立迷彩图案模型,并进行Harris角点检测,实现迷彩图案局部分块,利用四邻域搜索完成分块图案的局部路径规划;然后,搭建旅行商模型,改进遗传算法的种群初始化和变异方式,进而获得二维空间的最优路径;最后,结合快速搜索随机树（Rapidly-exploring Random Trees, RRT）算法,生成三维空间数码迷彩的喷涂路径。仿真和数码迷彩喷涂实验结果验证了该方法的可行性和有效性。     

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。     

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。     

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。     

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RRT*算法的机械臂路径规划研究

针对机械臂避障的难题,采用圆柱体包络法进行碰撞检测和RRT~*的改进算法进行路径搜索,规划出一条能够避免与已知障碍物碰撞,并且路径长度和规划时间较为优化的路径。RRT~*在原有RRT(快速随机树)基础上改进了父节点选择的方式,加入代价函数保证解的渐进最优性。在RRT~*基础上引入目标引力,减少路径搜索的随机性。同时,提出自适应步长避免陷入局部最优。在MATLAB平台上进行了RRT~*、RRT-connect及改进的RRT~*搜索算法的比较研究。结果表明,改进后的RRT~*算法在规划时间上和RRT-connect相近,在规划路径的长度上和RRT~*相近,同时具备时间和路径上的优势。以某品牌型号为WY700-1的机械臂进行了实验验证,结果表明,改进后的RRT~*搜索算法具备有效性和优越性。     

考虑动态倾覆稳定性的液压重载机械臂路径规划方法

针对液压重载机械臂的动态倾覆稳定性问题,提出了一种基于改进快速扩展随机树（Rapidly-exploring Random Tree,RRT）算法的路径规划方法。与只对危险工况的静态稳定性校核不同,该算法以机械臂运动过程中的动态倾覆稳定性最优为目标,在机械臂的关节空间内进行路径规划。以7个关节变量组成的七维数组作为采样点,结合正运动学与力矩法建立机械臂的动态倾覆稳定性计算模型,利用双采样点择优原则,选择其在对应位姿下抗倾覆稳定力矩最优的随机点作为采样点,以增强算法的启发性。在Matlab平台进行的仿真实验表明,改进RRT算法规划路径的倾覆裕度在3种典型工况下分别提升了37%、28%和38%,有效地改善了液压重载机械臂作业平台的抗倾覆稳定性。     

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算法的数控机床上下料机器人路径规划仿真研究

针对工业机器人辅助的数控机床对避障、平稳且以较快速度实现目标点定位的需求,设计了三维空间中工业机器人轨迹规划的目标函数,提出具有角度目标导向的改进RRT算法,构建了基于机器人操作系统（ROS）的AUBOi5机器人数控机床上下料仿真环境。在ROS中分别对数控机床加工环境的主要组成部分进行仿真,模拟真实工况;在创建数控机床加工环境的基础上,利用Moveit！和Gezebo平台对机械臂进行配置,创建了Moviet！轨迹规划和机器人控制文件,并测试两种算法的轨迹规划效果。仿真实验结果表明,改进后的RRT算法规划在规划时间和拓展点总数上分别比传统的RRT算法减少18.6%和22.7%。所提RRT改进算法可以成功应用于协作机器人的数控机床工作环境,实现人机安全协作,提高了上下料效率。     

基于Matlab与CoppeliaSim联合仿真的高空作业车机械臂路径规划研究

以高空作业车在城市绿化中进行高空修枝作业为背景,为提高机械臂路径规划仿真真实度,建立了一种基于Matlab和CoppeliaSim联合仿真的机械臂路径规划研究平台。该平台的机械臂和所处环境由CoppeliaSim构建,路径规划采用基于蚁群算法（ACO）的三维路径规划算法并由Matlab实现。通过结合Matlab在算法开发和数值计算方面的优势与CoppeliaSim在仿真方面的优势,可以直观方便地验证机械臂的路径规划仿真研究。仿真结果表明：机械臂系统具有较好的轨迹跟踪能力,为机械臂路径规划研究提供了理论依据和实验基础。     

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。     

复杂环境下软体机械臂的运动学解耦与避障方法

软体机械臂具有无限自由度和高度灵活性的特点,在复杂非结构化环境中应用潜力巨大。在研究柔性机械臂的过程中,由于软体机械臂各段之间在运动学上存在强耦合性,非结构化环境中软体机械臂运动学关系的构建较为复杂,在求解软体机械臂逆运动学时存在奇异解甚至无解的情况,柔性机械臂的避障控制十分困难。因此,受藤蔓生长过程的启发,提出一种分段建模和顺序控制方法,旨在解决软体机械臂在运动过程中的耦合问题,简化软体机械臂在逆运动学中的求解难度,从而实现机械臂在非结构化环境中实现避障。首先利用分段常曲率法建立软体机械臂运动学模型,利用约束条件快速求解软体机械臂中逆运动学各个参数信息,然后基于快速探索随机树（RRT）建立了机械臂的改进型RRT路径规划算法,最后构建了非结构化复杂环境,并在Matlab中测试了机械臂的避障能力。仿真结果验证了所建立运动学模型的正确性,也表明利用顺序控制策略对实现软体机械臂在非结构化环境中避障具有可行性。