基于改进RRT算法的串联机械臂避障空间路径规划

由于基本快速扩展随机树（RRT）算法分支数量多,随机性强等问题,提出了一种改进的RRT算法。主要研究三维（3D）避障工作空间中串联机械手的路径规划问题。为了快速有效避开障碍物,窗口RRT算法引入了平面墙和窗口函数,使其不仅可以与环境约束相结合,而且同一任务路径规划相同。在蒙特卡洛法工作空间中进行窗口RRT算法的路径规划。最后,通过在MATLAB上进行相关仿真实验,验证算法的准确性和有效性。     

基于改进RRT算法的空间机械臂避障路径规划北大核心

针对传统快速扩展随机树(RRT)算法在机械臂的运动规划时,存在方向随机性强、目标导向性差、规划速度慢、轨迹平滑度差的问题,提出了一种基于目标偏置和拓展点选择机制的改进RRT算法。该算法利用目标偏置策略影响叶子结点的扩展方向,并且在算法陷入局部极小值时,结合碰撞信息进行拓展点选择从而快速脱离极小值;同时考虑到不同关节角对机械臂位姿影响的程度不同,为待搜索的关节空间各方向添加权重,从而大幅提升搜索效率,并且方便确定机械臂位姿的变化量。结果表明,改进后的算法能对树的生长方向产生引导作用,在提高算法的收敛速度的同时避免陷入局部极小值,并且提高了机械臂在仿真中运动规划效率。     

基于改进RRT算法的机械臂路径规划

针对传统的RRT算法在串联机械臂的路径规划中缺乏方向性,占用CPU的资源过多,效率较低,路径规划不平滑等问题,对传统的RRT算法进行了改进,在不增加RRT算法初始路径节点数的前提下,增加了目标偏置策略,增加了随机树向目标点扩展的概率;其次,通过多次偏差迭代的方法优化路径节点的位置,不增加原有路径节点数量的情况下,实现R...     

基于改进RRT-Connect的空间操作臂避障路径规划研究（英文）

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于避障工作空间的平面机器人机械臂的路径规划（英文）

针对多关节机械臂的运动避障问题,提出了一种基于避障工作空间路径规划方法。首先,利用基于射线和相交点的计算机图形学方法建立避障空间(简称为OAPW);其次,在避障空间内,利用D-H坐标方法和MATLAB Robotics工具箱建立了一个具有3个转动关节的机械臂模型;再次,通过最短路径的性能指标规划出最短路径。考虑到运动机械臂与障碍物之间的干涉问题,因此利用障碍物膨胀化方法规划出安全距离的最短路径。最后,运用运动学正反解和插值运算实现机械臂在无障碍物、避障、安全距离避障3种情况下的仿真。     

基于扩展角度控制的改进RRT机械臂路径规划

针对传统的快速搜索随机树(RRT)算法在路径规划的过程中收敛速度慢、路径冗长且在复杂的环境下成功率低的问题,提出了一种改进的RRT路径规划算法。该算法引入基于障碍占空比的扩展角度控制策略,通过父节点附近障碍物分布情况控制新节点的扩展方向,增加算法规划速度的同时保证了算法的成功率。随后通过剪枝优化和二阶贝塞尔曲线对生成的路径进行平滑处理。通过多组仿真结果表明,改进RRT算法与原始RRT算法相比,改进RRT算法生成的路径长度更短,时间更快,扩展角度收敛性更高,规划成功率也有较大的提高。     

基于改进RRT的关节机械臂路径规划北大核心

针对传统的快速随机扩展树(RRT)全局规划算法在搜索路径时间长,最终路径不平滑等问题,提出了一种基于目标导向和冗余检测的搜索算法。改进的算法采用生成的随机点更加偏向于目标点,避免产生更多不必要的随机树,再通过冗余检测,剔除不必要的节点。使用B样条曲线平滑路径,让机械臂可以快速、准确且平稳地沿着最佳路径运动到达目标点。仿真表明,目标导向处理后平均时间减少44%,冗余检测处理后平均距离缩短18.5%。     

基于改进RRT路径规划算法

针对基本RRT算法路径规划特点:树的扩展具有随机性,路径中存在冗余的节点,规划出的路径拐角多.因此,提出一种改进的RRT算法.改进后的算法首先采用目标偏向策略,以一定的概率P把目标点作为采样点进行随机树扩展,提高随机树向目标点的扩展的概率;其次,改变度量函数,添加了角度约束,减少了路径规划中搜索的范围,以减少搜索时间;...     

基于改进APF-RRT的6R机械臂避障路径规划

针对6R机械臂在复杂环境下进行避障路径规划时成功率低、效率低等问题,提出一种改进人工势场法（APF）与快速扩展随机树法（RRT）的融合算法。对于传统APF目标不可达问题,提出引入斥力调节因子优化斥力函数,使得机械臂靠近目标点时,障碍物对机械臂的斥力逐渐减小并顺利到达目标点;针对传统RRT算法随机性过强问题,提出目标导向策略进行优化,使得采样点有一定的概率向目标点扩展;当APF陷入局部最优时,采用改进RRT算法进行路径规划,当跳出局部最优时,切换为APF继续路径规划。仿真结果表明：改进APF-RRT算法能适应各种复杂环境,且相较于传统APF和RRT算法具有规划时间短、规划成功率高等优点,有效解决了APF目标不可达和局部最小值的问题。最后通过 JAKA 机器人实验平台进行实际环境实验,验证了改进APF-RRT融合算法的可行性。     

基于改进RRT-Connect的空间操作臂避障路径规划研究

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于避障工作空间的平面机器人机械臂的路径规划

针对多关节机械臂的运动避障问题,提出了一种基于避障工作空间路径规划方法.首先,利用基于射线和相交点的计算机图形学方法建立避障空间(简称为OAPW);其次,在避障空间内,利用D-H坐标方法和MATLAB Robotics工具箱建立了一个具有3个转动关节的机械臂模型;再次,通过最短路径的性能指标规划出最短路径.考虑到运动机械臂与障碍物之间的干涉问题,因此利用障碍物膨胀化方法规划出安全距离的最短路径.最后,运用运动学正反解和插值运算实现机械臂在无障碍物、避障、安全距离避障3种情况下的仿真.     

融合神经网络GRU和RRT算法的机械臂路径规划

针对求解机械臂最优路径规划问题,提出一种融合卷积神经网络GRU的RRT^*算法(GRU-RRT^*)。将门控循环单元GRU应用于采样的规划器(GRU＿Sampler),利用神经网络规划器为快速探索随机树提供节点,预测下一次随机采样最有希望的可达状态,显著降低了算法的运行时间,提高了改进的RRT^*算法的规划效率。此外,采用自适应可变步长,利用环境信息生成合适的步长,避免因固定步长导致的收敛速度降低的问题,最后使用三次样条插值算法对机械臂运动轨迹进行平滑,减少机械臂的冲击损耗。将GRU-RRT^*算法分别在二维、三维和Rviz地图中进行仿真,实验结果表明,改进算法有效的降低了搜索的时间,提高了机械臂规划的效率,平滑性良好。     

基于MRD-DDPG的机械臂避障路径规划方法

提出将MRD-DDPG算法应用在机械臂避障路径规划上,解决了DDPG算法在训练过程中学习效率低、样本利用率低的问题。首先,在DDPG算法的基础上,通过改进经验池机制,提出多经验池延迟采样的深度确定性策略梯度(multi-replay buffer delay sampling-deep deterministic policy gradient, MRD-DDPG)算法,有效的缓解了样本利用率低的问题;其次,针对机械臂交互探索过程中奖励稀疏问题,设计了一种适用于避障路径规划的位置奖励函数,有效的提高了智能体的学习效率。实验结果表明,机械臂避障路径规划的平均成功率达97%左右;MRD-DDPG算法相比于DDPG算法的平均成功率提升了88%;机械臂的平均规划时间为0.638 s。     

改进人工势场法的机械臂避障路径规划

针对人工势场法在机械臂避障路径规划中易陷入局部最小值等问题,提出一种改进人工势场法的机械臂避障路径规划方法。首先,对机械臂连杆及障碍物进行包络体建模,将避障碰撞检测问题转化为圆柱体与球体、圆柱体与长方体的最短距离求解;其次,提出在机械臂关节空间建立目标点的引力场和斥力场,在笛卡尔空间建立引力场相结合的算法,并采用快速随机搜索树法(RRT)解决传统人工势场法局部极小点的问题;最后,采用MATLAB开展仿真与实验,结果表明该算法规划目标位置平均误差为0.010 m,相较于传统的算法更接近于目标位置,可实现机械臂逃离局部极小点并完成避障路径规划。     

基于改进蚁群算法的机械臂焊接路径规划北大核心

针对传统蚁群算法在求解机械臂焊接路径过程中容易陷入局部最优,导致机械臂移动路径长、效率低等问题,提出一种改进蚁群算法。将焊点布局图进行转换并引入粒子群算法,通过编码的方法进行全局焊点路径寻优,引入全局最优路径片段及局部最优路径片段,改变信息素的更新方式。确定机械臂可视化范围并通过视觉反馈系统反馈障碍坐标,利用三维蚁群算法求解不同焊点间的路径,避免障碍发生。仿真结果表明,改进前算法及改进后算法规划路径长度分别为16379.5 mm和16298.6 mm,相比于改进前算法,改进后算法的路径长度缩短了0.47%,迭代次数减少了11.7%,同时改进算法可以在软件中应用且具有稳定性。     

基于改进麻雀搜索算法的机械臂路径规划

针对串联机械臂在三维空间的无碰运动规划问题,提出一种基于改进麻雀搜索的无碰运动规划方法,对比蚁群算法在此问题的应用,改进算法效果出色。首先,利用包围盒法建立机械臂与障碍物模型,使机械臂与障碍物的碰撞检测抽象为空间内判断直线与平面的相交问题;其次,把无碰运动规划问题转化为函数优化问题,利用新颖的麻雀搜索算法,融合柯西变异与反向学习机制对其控制参数改进;最后,构建三维环境模型在MATLAB中仿真验证算法的可行性。结果表明,所提算法可使机械臂在三维空间中避碰预设的障碍物且基于多项式插值法规划的轨迹连续平滑,满足各关节角度与速度的光滑连续。     

基于改进RRT算法的室内移动机器人路径规划北大核心

针对RRT(rapidly-exploring random tree)算法路径规划时间长,采样点利用率低,最终生成的路径曲折等问题,提出了一种改进RRT算法。采用基于动态概率的采样策略,避免机器人在采样的过程中陷入局部极小值;同时提出了变步长的随机树扩展策略,减少了采样点数量;最后,使用五次贝塞尔曲线对路径进行平滑处理,使最终生成的路径利于机器人移动。在MATLAB平台上进行仿真分析,并使用基于ROS的移动机器人进行实验,将改进RRT算法与RRT算法、目标偏向RRT算法进行对比。仿真结果表明改进RRT算法规划的路径长度减少了23.09%,规划时间减少了87.16%,并且路径更平滑。     

NMPC算法下六自由度机械臂避障轨迹规划

针对机械臂在空间避障轨迹规划的需求,提出一种基于NMPC的六自由度机械臂避障轨迹规划算法。与以往的避障算法相比,该避障算法在规避障碍物的同时可以对运动轨迹精度进行控制。首先,建立六自由度机械臂自主防撞最优控制模型。其次,为了保证系统的时效性,对复杂的六自由度机械臂系统进行线性化处理,并且通过剪切搜索的方法来寻找最优解。最后,使其在满足控制约束和轨迹约束的前提下,达到自主避障效果。通过MATLAB对该算法进行仿真验证,结果表明：该方法能够有效地规划出满足机械臂性能要求的无障碍运动轨迹,实现机械臂在动态环境下的防撞控制,有效提高机械臂的运行安全。     

基于改进遗传算法与Morphin算法的机器人路径规划方法（英文）

为了实现动态复杂环境下机器人路径的优化,在建立栅格地图模型的基础上,针对传统遗传算法的不足,一是通过改进适应度函数使得到的路径更加平滑,二是将改进后的遗传算法与Morphin算法结合起来,使得机器人能够实时有效的躲避障碍物。仿真实验结果表明:通过结合改进遗传算法和Morphin算法的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

基于量子蚁群算法的机械手臂避障路径规划北大核心

提出在障碍空间下利用量子蚁群算法求取6R机械手臂逆解的一种通用解法。首先根据机械手臂各关节变量的DH参数建立以关节变量为自变量的目标优化函数F,并且引入层次包围盒OBB的碰撞因子以及可操作空间的约束,再建立基于Bloch球面的三维量子旋转搜索空间,利用量子蚁群算法搜索出F函数取到最大值时所对应的关节变量,即机械手臂的逆解,因此将机械手臂的逆解问题转化为基于关节变量的多元函数求极值问题。鉴于基本蚁群算法在优化之初可能存在搜索缓慢、蚂蚁数量限制优化解的范围、以及算法可能陷入局部极值等问题,采用量子蚁群算法利用量子计算的并行性、三链编码机制以及量子旋转门、非门对蚁群算法进行改进。改进后的量子蚁群算法与基本蚁群算法,通过MATLAB Robotic Toolbox工具箱对6R机械手臂进行运动学仿真与CCS DSP联合开发实验,结果表明量子蚁群算法在优化F函数中能够快速收敛,降低了对蚂蚁种群数量的依赖,并且扩大了空间解的范围,从而证明方法可行。