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。     

狭小空间虚拟人手臂装配运动规划及智能寻优

针对虚拟人在狭小空间内进行装配拆卸操作仿真时手臂运动路径规划求解难、姿态不自然的问题,提出一种运动学与动力学相结合的分层求解优化方法。将七个自由度的手臂无碰撞运动路径规划问题分成虚拟手和手臂两个层级,即虚拟手无碰撞运动路径规划采用bi-RRT(双向快速扩展随机树)算法;手臂运动路径规划采用基于肘圆的逆向运动学的分段规划方法。基于多刚体系统动力学模型,以最大关节舒适度为指标对手臂运动路径进行寻优。雷达天线转台虚拟人装配操作仿真实例表明,上述方法可以提高狭小空间的手臂操作路径生成效率,并可提高手臂关节的舒适度。     

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...     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

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...     

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。     

基于蚁群算法的异步并行装配序列规划方法

为了提高复杂产品的装配序列规划效率,利用蚁群算法的并行性及其搜索过程的独立性,对装配序列进行异步并行求解。首先,调整产品结构树的装配层次关系,并基于多色集合理论(PST)对装配层次结构进行形式化表达,建立PS层次结构树;其次,基于"分治"原则,建立"全局并行、区域线性"的蚂蚁搜索策略,对PS层次结构树进行逐层规划和整合计算,实现装配序列的异步并行求解,并提高求解效率;然后,为了解决非线性装配序列表达方式问题,建立装配序列树模型及其自相关矩阵。最后,通过实例验证了异步并行装配序列方法的可行性与有效性。     

基于分层理论和连接关系的装配结构树自动快速生成研究

装配结构树是数字化装配中装配序列规划的起点,质量的优劣直接决定装配序列优化的时间和效率。为提高装配序列规划的效率,提出建立综合零部件基本属性信息、产品层次信息、关系信息和连接信息的集成装配模型,并把基础件作为装配结构树中子装配体的产生载体,结合分层理论来研究装配结构树的生成算法。在上述研究的基础上,开发了原型系统,进行多个大型、复杂产品的装配序列规划验证,不仅结果正确、可靠,而且装配结构树产生的效率大大提高。如减速器装配结构树的产生只需3 min。因此,该模型和算法能实现复杂产品装配结构树的计算机自动规划,可广泛应用于汽车、机器人等多零件产品的装配顺序规划。     

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。     

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...     

基于低维度平衡态采样的线缆装配路径规划

针对复杂产品中柔性线缆装配路径自动求解困难的问题,提出一种基于低维度平衡态采样的线缆装配路径自动求解方法。该方法首先建立了基于Cosserat弹性杆理论的线缆物理属性模型,通过引入"引导路径"对线缆类可变形体运动规划的高维度问题进行降维,在沿"引导路径"的低维度空间中,以线缆两端约束参数进行随机采样并构建路径图,并通过路径图中满足限定条件构型的搜索获得可行的线缆装配路径。最后,设计并开发了线缆装配路径自动求解原型系统,通过算例测试和实例验证了所提方法的可行性及效果。     

基于几何推理有向图的装配序列规划

有向图是表示机械产品装配关系的有力结构,为减少有向图构造时的工作量,从拆装路径的空间可行性出发,提出了一种新的构造方法,从产品模型中提取装配关系矩阵并初始化有向图,建立层次化的结构,对产品中的零件进行路径规划,结合路径查找结果逐层填充节点,根据不同层次中节点的关系补充零件间的优先约束,从而生成相对完善的有向图。该方法基于CATIA二次开发自动进行几何推理,可用于存在复杂拆装路径的机械产品,具有良好的通用性。有向图拓扑排序生成的序列质量较高,运用粒子群算法对这些序列进行启发式搜索,相比传统方式缩小了搜索空间,能够更快找出较优的装配序列。     

机械产品模型自动装配动画的研究与实现

对产品自动装配动画关键技术进行了讨论,分析现有的序列规划方案后采用交互式规划方法进行序列规划.在装配路径规划方面提出了基于A* 搜索算法的动态步长扩展算法,减少了扩展次数,提高了算法效率.并时整个装配过程用关键帧动画进行动态显示,最后给出了一个车架模型的装配动画工程实例.     

一种基于运动规划的选择拆卸序列规划技术

选择拆卸序列规划是产品维修或回收的重要环节,针对目前选择拆卸序列规划算法中自动化程度较低的问题,提出一种基于运动规划的选择拆卸序列规划方法。该方法首先根据复杂产品中零件数量繁多,形状不规则的特点,采用基于自适应动态多树的快速扩展随机树(Rapidly-exploring random tree,RRT)算法对零件进行运动规划。在此基础之上,通过对装配体进行自动分层处理,分析零件间拆卸约束关系,构建装配体的拆卸约束关系图。最后通过对拆卸约束关系图的分析处理,获得目标零件的选择拆卸序列。以某底盘的目标零件为例,对提出的算法进行了验证。     

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。     

基于启发式的快速扩展随机树路径规划算法

针对基于随机采样的路径规划缺乏确定性的问题,提出一种具有启发式的多自由度机器人路径规划算法.该算法在快速扩展随机树算法的基础上,引入了启发式估价函数,使扩展随机树有利于朝目标点方向进行生长.仿真结果表明,提高了复杂环境下机器人路径规划的效率,保证了规划的路径接近于最短路径,对同一任务的规划具有一定的可重复性.     

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。     

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。