基于ABSS-ARRT*算法的焊接机械臂避障路径规划研究

目的针对RRT*算法(Rapid-exploration RandomTree*)在机械臂避障路径规划中存在的搜索效率低、采样点质量差,算法整体效率低、收敛较慢等缺点,提出一种自适应偏置-步长-采样域策略及融合人工势场法的ABSS-ARRT*算法(Adaptive Bias-step-Sampling Domain and Improved Artificial Potential Field RRT*)。方法在RRT*算法中融入自适应目标偏置采样策略和动态采样域策略,提出一种融合人工势场法(Artificial PotentialField,APF)思想的改进新节点生成策略,引入引力和斥力权重系数,同时采用自适应步长策略,使算法的性能得到提升。结果通过二维和三维地图中的验证,相较于RRT算法和RRT*算法,ABSS-ARRT*算法在平均迭代次数、收敛时间、路径节点数量、路径总长度及平均成功率均表现出优越性,其中二维地图中路径长度分别缩短了21.8%和3.23%,平均迭代时间分别下降了35.6%和52.0%,三维地图中路径长度分别缩短了28.9%和19.5%,平均迭代时间分别下降了75.9%和72.5%,同时在MATLAB中对改进的RRT*算法在机械臂上进行可行性验证。结论所提出的ABSS-ARRT*算法能够在复杂静态环境中为机械臂快速智能地规划出一条无碰撞高质量路径,验证了该算法的优越性和可行性。

基于改进RRT的变电站巡检机器人全局路径规划算法

针对传统RRT算法在变电站巡检机器人全局路径规划应用上搜索速度慢、随机性高、未考虑机器人体积及高压安全距离、路径冗余不平滑等缺点,提出了一种改进的RRT算法。首先,提出了一种动态采样域的采样方式,避免随机树在已扩展区域重复生长;其次,考虑到实际使用中机器人的宽度和带电安全距离,对障碍范围进行膨胀,确保搜索的路径不经过机器人无法通行的狭窄通道或带电区域;最后,对搜索出的路径进行剪枝以及基于B样条曲线的平滑,优化最终路径。结果表明,改进后的算法能有效提高路径搜索的效率并得出较优路径。