空间机器人预定义任意时间最优轨迹规划

针对双臂自由漂浮空间机器人(FFSR)在太空抓取任务中的轨迹规划问题,设计了一种FFSR系统的可实现误差预定义时间收敛的新型轨迹规划算法,用布谷鸟搜索算法进行参数优化,以实现末端执行器误差的快速收敛并获得平滑轨迹。首先,导出FFSR的基于姿态误差的运动学模型;然后,将累积危险场避碰算法应用于预定义任意时间轨迹规划,实现高跟踪精度的快速避碰轨迹;最后,利用布谷鸟搜索算法对预定义任意时间参数进行优化,得到机械臂低关节角速度的运动轨迹。仿真结果表明所提算法能够在预定义的时间内实现末端执行器误差快速收敛,而且能够得到更平滑的运动轨迹。

六自由度上肢康复机器人机构设计及轨迹规划

本研究设计一款六自由度上肢康复机器人,机器人采用绳索驱动、串并联相结合的关节结构形式,能够牵引偏瘫患者的上肢实现多个关节且活动范围较大的康复运动训练。针对上肢康复机器人机构适用性问题,基于运动学理论和D-H坐标系法建立上肢康复机器人本体D-H参数模型,根据空间坐标向量之间的平移、旋转关系,对运动序列建模分析,求解正运动学,通过封闭解法求解逆运动学。基于运动学分析结果,提出五次多项式函数关节空间轨迹规划方法,对上肢提拉抬肘运动进行轨迹规划仿真,验证了康复运动过程中的运动能力。

计及安全性与舒适性的智能车辆换道轨迹规划研究

针对当前智能车辆在换道过程中的安全性以及乘员舒适性问题,本文提出一种基于风险场评估轨迹的二次筛选方法。首先,在Frenet坐标系下,将车辆运动解耦为横向和纵向两个维度,基于五次多项式生成所有横向d-t曲线簇和纵向s-t曲线簇;其次,由车辆的动力学特性和三圆碰撞模型设计轨迹初筛评价函数,选取合格轨迹作为候选轨迹;最后,参考人工势场理论的思想,引入行车过程中风险场的概念,根据换道效率,换道风险值和横、纵向冲击度建立总损失函数评价候选轨迹以进行二次筛选,选取最佳轨迹并完成可视化。为检验算法的可行性,通过搭建双车道的道路环境,设计障碍车不同速度和加速度的多场景进行弯道换道的仿真验证。研究结果表明,本文所提算法能够满足换道的安全性和舒适性需求。同时,在正常换道场景下,乘员在换道过程的97.5%时间处于舒适状态,在紧急避障场景下也能达到平衡安全性与舒适性的目标。

虚实坐标智能匹配与自适应三维轨迹规划

针对数字孪生增材修复任务中,物件仿真与真实坐标对应困难、三维轨迹误差较大的问题,提出虚实坐标智能匹配与自适应三维轨迹规划方法。采用图像分割方法获取实际场景下物件的分割图像,通过最小外接矩形预估物件真实坐标,仿真端据此执行旋转与平移操作,调整仿真物件的模型位置,实现坐标智能匹配;为最小化虚实坐标误差,设计基于Attention的多尺度残差UNet图像分割模型,利用多尺度残差模块获取物件多尺度特征,通过Attention策略增强网络对位置信息的描述。三维轨迹规划部分,设计融合特征高度的自适应分层算法,减少分层高度偏移,缩减阶梯误差;根据分层结果进行轮廓提取、填充,生成三维轨迹。结果表明,坐标匹配误差小于1mm,三维修复轨迹规划质量较高。

基于航测数据的不同风格换道轨迹规划

不当的换道行为可能危及交通安全,导致交通事故和拥堵,因此有必要探索不同驾驶风格下在车道出口的换道轨迹.本文利用中国高速公路和快速路拥堵场景数据集中的车辆轨迹数据,采用K-means算法将驾驶人分为谨慎型、普通型和激进型三类;通过聚类分析和换道时间预测,以最小化换道纵向位移和行驶稳定性加权值之和为优化目标,同时以舒适性和安全性评价指标为约束条件,采用五次多项式进行最优换道轨迹规划;随后,使用遗传算法解决轨迹规划问题,基于Prescan、CarSim、MATLAB/Simulink仿真平台建立横纵向联合控制二自由度车辆动力学模型;最后,设计自车前车、目标车道前车和目标车道后车三种典型换道场景,并通过仿真实验评价不同驾驶风格下的换道轨迹规划效果和车辆轨迹跟踪控制效果.实验结果表明:在目标车道有车的场景下提出的融合驾驶风格的轨迹规划算法使得规划的换道轨迹增加了激进型驾驶风格的换道时长,同时减少了普通型和谨慎型驾驶风格司机的换道时长,进而能够确保换道过程的时效性、安全性和舒适性.

基于强化学习的多段连续体机器人轨迹规划

针对多段连续体机器人的轨迹规划问题,提出了一种基于深度确定性策略梯度强化学习的轨迹规划算法。首先,基于分段常曲率假设方法,建立连续体机器人的关节角速度和末端位姿的正向运动学模型。然后,采用强化学习算法,将机械臂的当前位姿和目标位姿等信息作为状态输入,将机械臂的关节角速度作为智能体的输出动作,设置合理的奖励函数,引导机器人从初始位姿向目标位姿移动。最后,在MATLAB中搭建仿真系统,仿真结果表明,强化学习算法成功对多段连续体机器人进行轨迹规划,控制连续体机器人的末端平稳运动到目标位姿。

挖掘机时间最优与脉动最优轨迹规划

为了在提高挖掘机工作效率的同时减小各个关节的振动,提出了一种使挖掘机关节运行时间和关节脉动达到某种综合最优的轨迹规划方法,在同时考虑挖掘机动臂、斗杆、铲斗的运动学约束以及动作时间约束条件的前提下,采用五次非均匀B样条曲线对离散序列点进行插值,然后运用自适应粒子群优化算法(ASPO)对目标函数进行优化求解得到一条动作时间较短且脉动连续关节轨迹,最后对优化后得到的关节轨迹进行仿真实验,结果表明,该方法最终可以得到比较理想的运动轨迹,从而验证了该方法的有效性。

超高速公路自动驾驶车辆换道轨迹规划策略

为提高自动驾驶车辆在超高速公路行驶的安全性,提出了一种换道轨迹规划策略。首先,采用5次多项式生成一般变道轨迹簇,以车辆动力学极限和周围交通车辆为约束,将轨迹规划问题量化为求解换道行为持续时间;接着,考虑车辆动力学约束,建立了车辆动力学模型和Brush轮胎模型,基于所建立汽车模型的轮胎侧向力数据求解轮胎侧偏刚度,辅以魔术轮胎模型,验证所求轮胎侧偏刚度;然后,引入质心侧偏角-横摆角速度相平面,得到高速车辆安全驾驶包络线,并给定多组车速和附着系数进行CarSim仿真训练,确定满足车辆动力学约束的最短换道时间;最后,考虑与周围交通车辆的避撞约束,分析3种典型的换道场景,基于单障碍车的位置,确定满足避撞要求的最短与最长换道持续时间,建立满足安全换道要求的换道持续时间阈值模型。经多参数安全换道域检验,所建立的车辆安全换道持续时间边界模型能够在给定参数下求解出安全可行的换道轨迹,为超高速公路换道行为提供轨迹参考,提高超高速公路换道行为的安全性。

非结构化场景下的无人车轨迹规划研究

针对传统无人车轨迹规划算法在非结构化场景下存在实时性较低和轨迹平滑性较差等问题,提出了一种前后端分离的轨迹规划算法。该算法的前端路径搜索部分对Hybrid A*算法在控制空间进行搜索范围的剪枝且保留了车辆的运动学约束,并通过优化启发函数的计算方式,提高了图搜索的实时性。该算法的后端轨迹优化部分分为两个阶段:第一阶段设计了一个软约束非线性多目标优化器对路径进行局部优化,生成离散的轨迹位姿点和时间分配值;第二阶段基于五次样条曲线利用最小化Jerk的思想对离散位姿点进行平滑连接,提高了轨迹的平滑性。最后在室外停车场环境下对所提算法进行了实车测试,前端路径搜索和后端轨迹优化的实验结果表明该算法具有较高的实时性和轨迹平滑性。

基于改进粒子群算法的ER8机器人轨迹规划

为解决传统机器人工作效率低、稳定性不足和传统粒子群算法易早熟等问题,提出了一种基于改进粒子群算法的时间最优轨迹规划算法。通过改进粒子群算法的惯性权重和学习因子,优化了粒子群算法的局部和全局搜索能力。首先,以国产ER8型机器人为研究对象,采用改进型D-H参数法获得机器人连杆参数数据,同时通过运动学正逆解理论计算求出了轨迹插值点;其次,利用MATLAB机器人工具箱建立了ER8机器人仿真模型,由于正逆解理论值与仿真结果完全相一致,证明了所建仿真模型的正确性;最后,通过MATLAB仿真得到机器人3-5-3多项式插值构造的轨迹中各关节的位置、速度和加速度等信息,在满足运动学约束的前提下,利用改进粒子群算法优化3-5-3混合多项式插值函数构造的轨迹,机器人用于完成轨迹的时间从3 s减少到1.0375 s,相对于优化前,整体运行时间缩短了大约65%,证明文中改进的粒子群算法可以有效实现时间最优的轨迹规划。

4+2自由度叶片抛磨专用机器人轨迹规划方法研究

砂带抛磨作为复杂曲面叶片精密加工的最后一道工序,其加工质量直接影响叶片的服役性能和寿命。传统6自由度机器人多关节串联具有明显的弱刚性,在末端夹持大型叶片时抗变形能力欠佳。为此,文章自主设计研发了4+2自由度叶片抛磨专用机器人系统,并开展复杂曲面叶片抛磨轨迹规划方法研究。首先基于D-H法建立该机器人运动学模型,进行机器人运动学的正、逆解的求解;其次给出了综合考虑抛磨工具与工件曲率的干涉、刀路轨迹行距和轨迹点密度对残留高度的影响规律的轨迹规划方法,建立了2个单元的协同运动模型保证叶片的加工实现;最后通过叶片抛磨轨迹数控程序验证了所获得的抛磨轨迹的正确性。

基于B样条与鲸鱼优化算法的机械臂轨迹规划

为了提高机械臂的工作效率,构建一种基于B样条与鲸鱼优化算法(whale optimization algorithm,WOA)的机械臂时间最优轨迹规划方法.用蒙特卡罗法描绘机械臂的工作空间,用B样条对给出的路径点进行插值处理,根据机械臂各个关节的性能,引入角速度与角加速度约束,同时加入边界条件.在构建时间最优的目标函数后,利用引入惯性权重值的WOA对机械臂运行时间进行优化.用Matlab进行仿真验证,结果表明构建的算法在时间优化方面效果好于传统的5次多项式方法,并且角速度与角加速度曲线连续平滑,验证了算法的有效性和可行性.

基于多模态轨迹预测的智能车轨迹规划研究

混合交通流下由于驾驶员意图的不确定性行驶轨迹将呈现多模态属性,为了提高安全性并实现个性化驾驶,本文提出一种基于环境车辆多模态轨迹预测的智能车轨迹规划算法。首先,结合图卷积神经网络(GCN)和长短期记忆网络(LSTM)并加入注意力机制建立轨迹预测模型,预测不同行驶意图下的未来轨迹概率分布。然后,针对环境车辆的多意图概率下预测轨迹集合,根据自动驾驶风格偏好,设定一定的概率阈值挑选出确信轨迹,将其投影到规划路径上生成S-T图,并通过动态规划和二次规划进行基于碰撞风险规避的速度规划。最后,基于模型预测控制(MPC)对本文模型在典型换道场景和NGSIM真实道路场景下进行仿真测试并与现有模型进行对比验证。结果表明:本文提出的模型在安全性、舒适性和行车效率等方面均优于对比模型,能够在准确预测环境车辆未来轨迹的前提下实现最优轨迹规划,保证自动驾驶汽车安全、高效的行驶。

基于点云的航发叶片分割及打磨轨迹规划方法

针对航发叶片打磨过程中点云分割效果差和轨迹规划中曲面拟合所带来的计算量大的问题,提出了一种基于点云的航发叶片分割及打磨轨迹规划方法,旨在改善点云分割效果并降低计算量。通过结构光相机采集待打磨叶片点云,进行滤波等预处理,并对随机采样一致性(Random Sample Consensus,RANSAC)平面分割算法进行改进,提升算法效率。设计一种结合点云颜色信息的区域生长分割算法,实现叶片待打磨区域的稳定分割。提出一种直接基于点云的三重截面法,配合B样条曲线拟合算法生成预打磨轨迹,并基于等残高算法优化行距,完成打磨轨迹规划。经实验验证,平面分割算法相较于传统方法效率提升40.25%,数据处理效率大大提高。此外,通过改进的区域生长分割算法,叶片打磨轨迹规划效率得到明显提高,其实现效果显著增强。

破碎机自主作业轨迹规划研究

对破碎机工作装置工作过程中的运动轨迹进行规划,结合机器人机械臂的研究理论,基于改进型D-H法建立了破碎机工作装置模型;建立工作装置运动学模型,对其进行正向运动学分析,并通过运动学逆解得到回转平台、动臂、斗杆在空间中不同位置下的关节角度;在关节空间内分别使用5次多项式曲线、7次多项式曲线与9次多项式曲线规划了工作装置的运动轨迹。在Matlab平台内通过Robotics Toolbox搭建工作装置D-H参数模型并对3种方法进行仿真,获得了关节回转的角度、角速度和角加速度变化曲线并进行对比分析,发现7次多项式规划的角加速度曲线平滑连续、没有突变且波动较小,能够保证工作装置运动的连续性与平稳性。

基于IMOGWO算法的机械臂多目标轨迹规划

为了在提高串联机械臂工作效率的同时保证运行轨迹良好的节能性、平稳性及灵活性,设计新的多目标轨迹优化方法。采用高次NURBS(non-uniform rational B-Spline,NURBS)曲线插值方法,构造机械臂高阶连续、首尾运动参数均可指定且具有局部修改特性的关节轨迹,保证了机械臂的运动性能。采用改进多目标灰狼算法(improved multi-objective grey wolf optimizer,IMOGWO)对机械臂轨迹进行优化,得到Pareto最优解集,该算法采用SIN混沌初始种群、非线性收敛因子、个体维度位置学习及领导者广义反向学习变异,并通过不可行度来处理多物理约束条件。在六自由度串联机械臂上的仿真实验结果表明,采用高次NURBS曲线规划方法可得到高阶连续的分段可调轨迹,采用IMOGWO算法可对NURBS曲线实现有效的多目标寻优,得到较为理想的Pareto分布,为用户提供多样化选择方案。

基于元启发式优化的机器人智能体无碰撞轨迹规划

针对机器人智能体在复杂三维环境中的安全运动,提出一种基于元启发式优化的无碰撞轨迹规划方案。轨迹点采用五次样条插值,以确保运动轨迹足够平滑,且起始点和目标点的速度与加速度均为零。以轨迹长度最短为优化目标,将轨迹与障碍物的最近距离限制在约束条件中,从而表述为一个优化问题,并采用基于元启发式的灰狼算法进行求解。随后,在复杂的三维地形中对该方案开展2个模拟仿真。结果表明:该方案能够有效地在规划空间内求解出预定数目的最优轨迹插值点,通过五次样条插值形成的轨迹长度达到最短,且不与障碍物发生任何碰撞。

多车环境下智能货车的紧急转向决策及轨迹规划

决策与规划是实现自动驾驶的关键技术,针对自动驾驶货车在紧急转向避障时需要考虑换道时目标车道的安全性和规划出最优避障轨迹的问题,采用将换道时左右车道上的车辆与自车的相对距离和换道的最小安全距离的差值分别建立模糊关系的方法,通过比较模糊规则推理设计的安全值,选择更安全的车道进行转向避障,为了迅速规划出最优避障轨迹,采用三阶贝塞尔曲线,通过设计4个控制点坐标形成避障曲线,为了防止转向时横向加速度过大导致货车发生侧翻和速度过快与前车发生碰撞,设计车辆的稳定性边界和碰撞边界对控制点进行约束,使用MATLAB中的函数求解出不同车速下的最优换道轨迹,最后使用仿真软件进行仿真验证,结果表明设计出的避障决策和轨迹规划可以安全、有效地避开障碍。

多目标下改进NSGA-Ⅱ的机械臂轨迹规划

以UR5e机械臂为研究对象,针对机械臂作业过程的运动轨迹进行轨迹规划,机械臂关节空间轨迹采用七次B样条曲线构造,针对其需满足时间短、能耗低、运动平滑的要求采用非支配排序遗传算法(NSGA-Ⅱ),并针对其易陷入局部最优、收敛速度慢等缺点,采用佳点集和非均匀变异算子使初始种群分布更加均匀、加快收敛。仿真结果表明,七次B样条曲线所构造的机械臂轨迹速度、加速度、加加速度连续平滑且无断层现象,在运动学约束的前提下,改进后的NSGA-Ⅱ算法世代距离平均下降了76.96%,空间分布性指标平均下降了23.06%,其在收敛性、分布性上均优于原算法,更接近于Pareto最优解,有效实现了机械臂的多目标优化问题。

基于改进人工蜂鸟算法的取样机器人轨迹规划

为了实现炼钢过程中取样工艺的自动化作业,设计取样工艺布局,并以选取的工业机器人为研究对象,采用七次多项式插值的方法对取样过程的路径点进行轨迹规划。提出一种基于改进人工蜂鸟的机器人最优轨迹规划方法,优化目标为时间-冲击,以提高取样机器人的运行稳定性。仿真结果表明,取样机器人在取样作业中,运行平稳,所设计的取样工艺布局合理;采用的改进人工蜂鸟算法,对比标准人工蜂鸟算法和标准遗传算法,具有更好的收敛速度和算法精度,大幅提高了运行稳定性和生产效率。