基于模糊变结构补偿的机械臂运动路径避障规划算法

机械臂的活动范围可以自由调整,其准确的运动规律较难获取,导致机械臂运动路径避障规划存在规划效果差、规划路径长以及规划耗时长的问题,为此提出基于模糊变结构补偿的机械臂运动路径避障规划算法。该算法首先对机械臂进行相关动力学分析,将分析结果与模糊变结构相结合对机械臂力矩进行补偿控制;然后使用Q-learning算法计算补偿控制结果,获取路径最佳规划策略;最后通过该策略完成机械臂避障路径的规划。实验结果表明,使用该算法进行路径规划时的规划结果较为准确,规划路径短且规划耗时短。

基于人工势场法的月球表层采样装置避障规划

表层采样技术是获取地外天体土壤样品的重要手段,为在月表复杂地形、不确定着陆姿态、不规则器表包络约束下,快速获取安全的表层采样动态轨迹,文章根据四自由度表层采样装置设计,分析了工作过程中的正逆运动学关系;根据表层采样装置动、静态目标点运动要求,将约束空间分解为有效障碍检测区与不可达集,进行表层采样避障规划;为加快规划速度,针对表层采样装置瞬态构型构建了动态障碍检测区、动态不可达集;结合人工势场法提出了避障规划算法。对典型姿态下表层采样过程的避障规划仿真表明,该算法可实现约束条件下的表层采样轨迹规划,并对表层采样装置适应性设计提供支持。

基于遗传模糊算法的机器人局部避障规划

提出了在动态环境中,基于遗传模糊算法的移动机器人的局部避障规划方法,该方法适用于复杂环境情况.仿真结果表明改进遗传算法的模糊控制估化效果优于传统遗传算法模糊控制效果,能够满足移动机器人局部路径规划的实时性要求.

月球表面巡视探测自主局部避障规划

路径规划是月球表面巡视探测自主导航的重要功能,是提高地外天体表面探测效率和安全性的关键.国外已实现的地外天体表面自主路径规划方法以局部避障为主要目标,不考虑全局目标可达性和完备性,本文针对该问题,提出一种基于地形通过性定量评价和目标可达的综合自主局部避障规划方法,通过对稠密地形数据进行可通过性能的综合评价,并考虑与目标的方位和距离,规划出能够到达目标的避障安全路径.该方法已经成功应用于我国"玉兔号"和"玉兔二号"月球车的自主导航中.

一种不确定环境下移动机器人的避障规划算法

本文提出了在不确定的环境中 ,移动机器人的一种全局路径规划算法 .将全局路径规划分解为局部路径规划的组合 .为提高规划的效率 ,在局部规划中 ,采用了基于案例的学习方法 .以 ART- 2神经网络实现案例的匹配、学习和扩充 ,满足了规划的实时性要求 ,仿真结果说明了本算法的有效性 .

平面3R冗余度机器人进行避障规划时的混沌

通过仿真及混沌数值分析法中的相图法和最大Lyapunov指数法 ,以平面 3R刚性冗余度机器人为研究对象 ,对基于分解运动控制的机器人末端重复跟踪工作空间内的封闭路径并进行避障规划时的自运动中的混沌现象进行了研究。研究表明 :基于分解运动速度控制方法求解冗余度机器人运动学逆解时 ,其自运动是规则的周期运动 ,而基于分解运动加速度控制方法求解冗余度机器人运动学逆解时 ,其自运动是混沌的。

基于改进人工势场法的机械手避障规划

针对三维环境中机械手在障碍物附近目标不可达问题和局部最小值问题,提出一种基于改进人工势场法的机械手避障方法。该方法以机械手末端所受合力的方向作为其运动方向,通过势场力的作用使机械手末端避开障碍物,解决障碍物附近目标不可达问题;采用X-Y平面内的角度偏移法,使机械手末端迅速跳出局部最小值,解决势场法的局部最小值问题;从而使机械手避开障碍物到达目标位置,并给出了机械手避障规划算法的具体实现步骤。将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的常规作业任务中,仿真实验结果表明,机械手末端沿着规划路径可跳出局部最小值,并避开障碍物,成功到达目标位置,验证了该算法的有效性。

基于遗传算法的冗余度TT VGT机器人的避障规划

针对遗传算法提出了一些改进措施，用以提高算法的收敛速度和精度，并提出了四面体变几何桁架机器人的避障判据。应用改进后的遗传算法，实现机器人末端给定的运动轨迹和避障要求，并求得相应瞬时的关节变量值；并对７

基于未知环境下多目标点的移动机器人避障规划算法研究

提出了虚拟力场法(VFF)与遗传算法(GA)相结合来实现未知环境下多目标点的移动机器人避障规划。此方法采用遗传算法规划出目标点的最优路径,在遍历每一个目标点的过程中,依据超声波传感器获取环境信息,采用虚拟力场法进行避障。该方法有效地解决了未知环境下多目标点的避障规划问题。

一种基于S-R-S构型特点的正交冗余机械臂避障规划方法

针对正交冗余机械臂避障规划问题,提出了一种基于S-R-S构型特点的避障规划新方法。该方法将正交7自由度冗余机械臂构型等效为S-R-S(球副-转动副-球副)构型,并依据S-R-S构型特点将避障规划分为肘部笛卡尔位置规划、第2根臂杆规划、末端工具规划3个部分。引入Bézier曲线完成肘部和末端工具在球面的避障规划,第2根臂杆的避障规划依据避障最大运动能力调整完成。通过Schunk-Lwa4D正交冗余机械臂避障规划实验,验证了提出的基于S-R-S构型特点的避障规划新方法的有效性和可行性。

一种可变形桁架避障规划方法

为解决VGT的避障规划问题,给出一种等效机械臂模型并分析单级VGT正向递推运动学中的冗余问题.针对等效模型,利用遗传算法设计避障规划算法得到等效模型变量,再反算VGT各级可调杆长度得到VGT的避障算法.所得结果使得VGT等效机械臂模型各级具有相同的移动关节长度,且相邻两级转动关节角度变化较小.对避障规划结果和VGT到等效模型的变换进行仿真验证对比,验证算法有效性.

基于智能平面搜索的四轴机械臂避障规划

提出一种智能平面搜索算法,用于解决四轴机械臂规避障碍物的路径规划问题。该算法将人工智能理论与平面几何学相结合,通过栅格化四轴机械臂的关节空间,预先确定障碍物区域,再自动搜索避障路径的编号序列,规划出四轴机械臂运动的关节坐标值序列。仿真结果表明,该规划算法能快速有效地实现四轴机械臂在X-Y平面内的二维避障,具有较强的稳定性与工程实用性。

新立体视觉模型下基于速度矢量避障规划

人工势场法是足球机器人避障规划中常用的方法,传统人工势场法在静态环境中的一般视觉模型下取得了很好的效果,但它不能够满足复杂动态环境下新立体视觉模型的时规划要求。本文将相对速度矢量引入人工势场,对势场函数进行改进,推导出基于速度矢量的引力函数和斥力函数。在新的势场函数作用下,机器人能够快速躲避障碍物并迅速到达目标位置,仿真结果验证了新的避障规划在新立体视觉模型中的有效性。

起重吊装多机器人系统协作避障规划研究

针对起重吊装多机器人系统实际作业情况,进行了该机器人系统协作避障规划研究。首先,基于栅格法提出了优化姿态转角--动态栅格法的路径规划改进算法;其次,设计了基于传感器技术的自适应协作系统。该协作避障方法具备了寻找全局最优路线的能力,同时实现了多机器人系统内部的稳定协调合作;最后,建立了Matlab与LabVIEW联合仿真系统,仿真结果表明该系统是可行且高效的。

基于射线相交法的机器人避障规划研究

本文针对武装机器人在未知环境下的避障规划问题,在分析现有测障技术、避障算法的基础上,提出一种射线相交法来实现对动态障碍物的检测和规避。该算法充分挖掘障碍物的位置和运动信息,通过对运动趋势的分析来确定机器人相应的规避动作,能够实现实时、稳定地避障。最后通过仿真试验证明了该算法的有效性和可靠性。

基于改进RRT算法的无人机三维避障规划

RRT算法由于其在复杂环境中有强大的随机搜索能力,在无人机避障规划中被广泛运用。为了提高无人机避障规划的效率,提出了一种基于预规划路径优化RRT算法的无人机三维避障规划算法。算法首先在障碍物膨胀规则和相交规则下生成预规划路径,然后将预规划路径看做成连续的质点组成,按一定的扩展树步长的比例从连续质点取点来确定搜索树的随机状态点,最后RRT算法在这些随机状态点的引导下进行搜索,生成避障规划路径。仿真结果表明,改进的RRT算法生成的预规划路径降低了障碍物搜索的时间和增强了搜索树扩展的方向性;预先确定的随机状态点使搜索树在扩展中具有方向性,可减少新生节点的个数和路径长度,进而提高了无人机避障路径规划的效率,使得最终生成避障路径的时间更优。

面向低速自动驾驶车辆的避障规划研究

重点研究了在结构化的环境中低速自动驾驶车辆的实时路径规划问题.为了保证规划路径曲率一阶导的连续性,采用三次B样条曲线对参考路径进行平滑与插值.在Frenet坐标系下,基于五次多项式曲线生成一组运动学可行的候选路径.为了解决碰撞检测中准确性不高的问题,在Frenet坐标系下描述车辆位姿,并转换回栅格地图中进行碰撞检测.同时考虑规划路径的安全性、平滑性和连续性等,评估选取最优避障路径.最后,将该方法应用于低速无人驾驶清扫车上,对普通直道及弯道静态障碍物避障等工况进行实车试验.实验结果证明了所提出的路径规划算法的有效性.

长作业杆复杂环境下自寻优避障规划方法研究

针对传统的人工势场法在半封闭壳体环境下无法直接规划出作业杆避障路径的问题,提出了一种复合势场和寻优算法相结合的在线自优化避障规划算法。首先,提出半封闭壳体障碍的等效简化模型——约束环模型;其次,引入了控制作业杆位姿的姿态势场以及控制驱动端轨迹的包络面势场,将势场法拓展成兼顾作业杆避障、姿态可控、避障轨迹可调的复合势场法;最后,结合智能寻优算法迭代优化复合势场中的各权重系数,在线规划出适合当前作业需求的最优驱动轨迹。经仿真验证,OSOA算法在满足作业杆避障、姿态控制以及驱动端轨迹范围约束的条件下进行避障路径规划的同时,大幅减小驱动端移动空间范围,使驱动端速度和加速度等运动参数更光顺。

改进人工势场法的机械手关节空间避障规划

针对人工势场(Artificial Potential Field,APF)法对机械手进行路径规划时存在的问题,提出了关节空间APF自适应变步长和目标偏置的快速扩展随机树(Rapidly-exploring Random Tree,RRT)相结合的方法。在关节空间中进行APF法路径规划,减少逆向运动学次数和关节角突变;通过改进斥力和引力势场函数,解决APF法中碰撞和目标不可达问题;采用柯西概率分布,根据末端点与障碍物的距离来改变关节角步长;通过调节RRT算法的目标偏置值,产生合适临时目标点,从而解决APF法局部极小值问题。在APF法存在局部极小值情况下进行机械臂避障仿真,结果表明,自适应变步长路径规划能够生成平滑轨迹并能提高搜索效率,目标偏置RRT选取临时目标点后整体路径长度变短。捡拾机械手在该改进算法下能够有效实现避障拾取任务需求。

基于神经网络深度强化学习的分拣机器人避障规划技术

分拣机器人的避障决策过程较为复杂,为提高分拣机器人的工作效果,设计基于神经网络深度强化学习的分拣机器人避障规划技术。首先,在动力学场景中设置障碍物,利用马尔科夫决策过程获取分拣机器人的运动状态后,判断障碍目标。在对神经网络实施深度优化学习后,设置了导引奖赏机制,并结合人工势场法建立连续型奖励函数,引导机器人向正确方向运动。将分拣机器人运动状态输入到神经网络中,在导引奖赏机制的引导下实现分拣机器人的避障。在环境中设置了障碍物,实现环境搭建,仿真测试实验结果表明:该方法具有较高的避障能力,可引导机器人在运动过程中做出正确的动作,进而实现精准避障。