针对传统快速扩展随机树(RRT)算法在机械臂避障路径规划时存在搜索效率低、随机性大的问题,提出一种改进RRT算法。该算法结合双向RRT算法和目标偏置RRT算法的优点,并在随机树扩展过程中设置虚拟目标点和改变步长。由于RRT算法规划的路径存在冗余节点多的问题,利用双向删除取最短路径的方法对避障路径中的冗余节点进行删除,最后利用三次B样条曲线对避障路径进行平滑处理。仿真结果表明,改进RRT算法在扩展时间、路径长度和扩展节点数均优于双向RRT算法和目标偏置RRT算法,对路径中冗余节点删除和平滑处理的有效性。

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。

针对传统人工势场法(Artificial potential field method,APF)在6自由度双机械臂系统避障路径规划中容易陷入局部极小值这一缺陷,提出了一种改进APF与改进快速扩展随机树算法(Rapidly-exploring random trees,RRT)相结合进行避障路径规划的方法。分析了双机械臂的工作空间,确认了双臂干涉的可能性。对于双机械臂的路径规划,利用改进后的APF对主机械臂进行路径规划,并将其作为从机械臂的动态障碍物,为从机械臂规划运动路径;利用改进后的RRT自适应地选择临时目标点,解决了从机械臂路径规划时陷入局部极小值的问题;利用改进的APF对从机械臂的剩余路径进行了规划。仿真分析表明,改进后的APF-RRT算法能比传统算法更加快速准确地解决双臂系统的避障路径规划问题。