基于自适应目标偏置系数的机械臂路径规划算法

针对快速搜索随机树(RRT)算法因其随机特性导致的运行时间过长和计算结果往往不是最优解的问题,在RRT算法及其改进算法的基础上,课题组提出了一种基于自适应目标偏置系数的机械臂路径规划算法,并将该算法应用到医疗设备无影灯的使用中。首先,用D-H参数法对6自由度机械臂进行运动学描述和正运动学求解,得到末端的运动状态和位姿;然后,综合RRT算法及其改进算法的优点拓展新节点和重置父节点,并引入自适应目标偏置系数,再对路径作剪枝后处理。对比实验结果显示:该方法在保证算法搜索效率的基础上,有效地提高了路径质量。基于ROS的仿真平台验证了该方法具有实用性和可行性。

移动机械臂牵引卷装纱线的动态建模与控制

随着纺织工业的智能化转型需求,应用于纺织产业的工业机器人技术不断发展。针对在复杂的纺织加工环境下,机器人对柔性纱线直接操纵存在的纱线形态感知困难与空间局限性,以移动机械臂对织造领域整经纱架上卷装线头的牵引操纵为例,提出一种集成机器人避障运动规划策略的卷装纱线牵引操纵控制框架。构建了卷装纱线系统的动力学模型,解析了机器人与纱线间的运动耦合关系和机器人牵引纱线的运动控制方程,提出了基于纱线轴向应变约束的改进自适应引导快速扩散随机树算法,保障机器人避障运动的同时防止纱线被过度拉伸。通过数值仿真验证了该控制框架的有效性,实现了机械臂对卷装纱线从起点到目标点的无碰撞柔顺牵引操纵。

室内场景下应用拓扑结构的高效路径规划算法

针对基于随机采样的路径规划算法效率低且采样具有随机性的问题,提出一种应用拓扑结构的高效路径规划算法ATIRRT*。通过引入拓扑节点代替STIRRT*算法中Harris角点检测算法得到的特征点进行采样,给出基于阈值的自适应选择方法来消除路径骨架上提取的冗余特征点,利用该阈值得到的拓扑节点可以使随机树的扩展更具方向性,从而减少寻找初始路径的时间和代价。根据非单一父节点的连接方式加强交叉支路上的拓扑节点间的联系,通过节点扩充策略增加相邻拓扑节点间的节点数量以加快优化算法的收敛。在此基础上定义相关约束条件将初始路径分段并进行逐段优化,以提高优化算法的效率。在常规环境、狭长空间和仿真的室内环境3种类型地图上的仿真结果表明,相较于STIRRT*算法,改进算法在规划路径长度上平均减少8%,在规划时间上平均降低10%,可快速地找到更优的初始路径,同时在优化过程中减少了无用的探索空间,提高了搜索效率。

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。

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。

基于改进RRT-Connect的快速路径规划算法

针对双向快速扩展随机树(RRT-Connect)算法的路径规划效率较低且采样具有随机性,提出了基于RRT-Connect的改进算法(DRRT-Connect)。该算法在起始点与目标点中间选取一个第三节点作为扩展点,使算法可以同时从起始点、目标点和第三节点生成四棵随机树;同时在改进算法中引入自适应步长调节函数,当探索无障碍空间时,算法使用步长调节函数增大扩展步长,从而提高随机树探索空间的速度;在RRT-Connect算法的基础上引入目标偏置策略,使DRRT-Connect在探索无障碍空间时可以朝目标点进行快速扩展,在探索障碍物空间时则调用随机采样函数,使算法可以快速摆脱障碍物,防止陷入局部最优。将DRRT-Connect算法分别与RRT、RRT-Connect、RRT^*算法进行仿真对比,结果表明DRRT-Connect在路径规划效率与迭代次数上均明显优于其他对比算法,其中相较于RRT-Connect算法,DRRT-Connect在路径规划速度上提高了50%,迭代次数上降低了32. 3%。

基于改进Informed-RRT^(*)的机械臂抓取运动规划

为提高工业机械臂对目标物体抓取及对障碍物躲避的效率和成功率,提出一种基于改进抓取信息引导的快速随机树星(GI-RRT^(*))的机械臂路径规划算法.首先,预先设定最大迭代次数和自适应函数,缩短机械臂运动轨迹生成时间,增强采样导向性和质量;其次,基于椭圆形子集直接采样,对采样点位置进行约束,提高采样效率;最后,采用贪心算法删除机械臂运动轨迹的冗余点,并使用三次B样条曲线平滑约束机械臂运动轨迹,提高机械臂运动轨迹的柔顺性.利用生成残差卷积神经网络模型预测,输入深度相机采集的彩色图像和深度图像,输出视场中物体的适当映射抓取位姿.为验证机械臂的抓取效果,选择三指气动柔性夹爪,设计柔性抓取模块,并结合法奥(FR3)协作机械臂构建自主抓取系统,进行二维地图仿真和机械臂样机实验.结果表明,与传统的信息引导的快速随机树星算法相比,GI-RRT^(*)算法运动轨迹长度缩短10.11%,轨迹生成时间缩短62.68%.同时,算法具有较强的鲁棒性.机械臂能独立地避开障碍物、抓取目标物体,满足其自主抓取的需求.