复杂多场景下机械臂避障运动规划方法研究

为提高工业机械臂在狭窄通道、多障碍物等复杂多场景下避障运动规划的成功率和效率,建立了基于圆柱体和球体包围盒机械臂与障碍物之间的碰撞检测模型,并提出了一种基于启发式概率融合人工势场法的改进型RRT^(*)算法(P-artificial potential field-RRT^(*),PAPF-RRT^(*))。采样上引入概率目标偏向与随机采样点优选策略,对采样点进行位置优选约束,增强采样导向性和质量;为改变传统新节点扩展方向和特殊环境下局部最优问题,融合人工势场法的目标引力与障碍物斥力和自适应步长,使算法在APF产生的合力范围下实时引导新节点扩展方向和步长大小,降低过度的探索和碰撞区域扩展;对冗余节点进行删除,并采用三次B样条插值优化,提高机械臂轨迹的柔顺性。仿真结果表明,所提算法较传统RRT^(*)算法在平均路径搜索时间上降低了56.75%,路径长度缩短了17.74%。导入机械臂模型后可视化仿真结果证明,所提算法可使机械臂成功避障且快速平稳运行到目标点。

基于GPF-RRT*的机械臂自主运动规划

为解决融合引力函数的渐进最优快速扩展随机树(P-RRT*)算法在非结构化环境下搜索效率低、适应性差等问题,进一步提高机械臂自主运动规划能力,提出一种基于高斯势场(GPF)自适应的改进RRT*算法(GPF-RRT*)。首先,利用状态感知网络完成非结构化环境感知。其次,利用优化后的采样点选取策略提高采样效率,通过GPF构建力势场改进节点搜索方向及步长,进而提高算法在复杂环境下的避障路径规划能力,并结合可操作度和最小能量指标完成机械臂的姿态优化。最后,基于GPF-RRT*算法在不同环境下进行实验,与P-RRT*算法在搜索效率、路径长度、稳定性3个方面进行对比。结果表明,所提算法的平均搜索效率提高了38.06%,平均路径长度缩短了46.6 mm,在多种环境下均具有较强稳定性,且能有效避免局部极小问题。另外,通过机械臂自主抓取操作进一步验证了算法的有效性。

Dubins-Informed RRT*算法规划的机械臂运动

针对目前机械臂路径规划需要人工提前进行示教编程的问题,本文使用Informed RRT*算法应用于机械臂的自动路径规划中,并且利用Dubins曲线策略处理Informed RRT*的轨迹,解决了RRT类算法生成的轨迹存在不稳定和尖锐的这两大缺点,并且在计算机软件上进行仿真测试,验证Dubins-Informed RRT*算法应用于机械臂的自动路径规划是可行的。

Arduino环境下冗余度机械臂E47算法的实现

针对目前机械臂运动规划与控制系统成本较高,机器人技术难以普及等问题,选择8位单片机实现机械臂运动规划算法;为提高机械臂执行任务的实时性,提出了一种基于Simulink的机械臂运动规划硬件实现模型。首先,对机械臂进行运动学分析,建立数学模型;其次,将机械臂的运动规划问题转化成二次规划问题,同时引入误差补偿函数以减小机械臂运动过程中产生的位置误差;在Arduino Mega2560平台下,利用E47数值算法对机械臂运动规划问题进行求解;利用Matlab对机械臂执行圆形和正方形轨迹跟踪任务进行仿真实验;最后,通过硬件实现模型对机械臂执行正方形轨迹进行实物验证。结果表明:8位单片机对机械臂运动规划算法的实现具有可行性和可适用性,在硬件实现模型中具有有效性,为后续更好地研究机械臂运动规划提供了参考。

基于采样点优化RRT算法的机械臂路径规划

针对基于随机采样的RRT机械臂路径规划算法在全局工作空间下采样效率低、随机性强等问题,提出一种基于采样点优化RRT算法的机械臂路径规划算法.相对于全局工作空间采样,优化算法首先基于非障碍物空间生成随机采样点,以降低算法碰撞检测概率与冗余节点的生成,再结合一定概率的人工势场法产生启发式采样点,使得机械臂臂体于路径规划采样过程中既能保证随机采样的概率完备,又能使采样点更具目标导向性.其次,为使得路径更加简洁平滑,使用冗余节点删除策略剔除路径中的冗余节点来优化最终路径.最后在二维、三维的仿真环境中对优化算法进行对比实验分析,以验证算法在随机采样路径规划算法中的良好性能,并在IRB 1200-7/0.7机械臂上进行避障规划算法实验.仿真和实验结果都表明,所提出的算法在机械臂路径规划中可以获得更高的规划效率和更优的路径.