提出一种基于深度确定性策略梯度(DDPG)算法与人工势场法相融合的机械臂避障轨迹序列模式挖掘方法。首先,对基于DDPG算法的机械臂避障轨迹规划模型进行创建与训练;其次,在人工势场法的应用下执行对DDPG算法下动作选择策略的干预任务;最后,基于仿真环境对算法性能进行相应的验证。仿真结果表明机械臂能够按照算法规划的避障轨迹进行运动,在整个运动过程中,可以较好地保证运动平稳性,并且不会和障碍物发生碰撞,意味着提出的机械臂避障轨迹序列模式挖掘方法能够在一个较短的时间内确定一条与机械臂运动要求相符合的、能够避开障碍物的路径,不仅如此,路径的挖掘精度也较高。

为使工业机器人末端执行器在离散化的工作空间中完成无碰撞路径规划,并降低或规避以往路径规划算法的不足,提出了一种改进算法。该算法主体来源于蚁群算法,在启发函数的设计中,引入了具有人工势场思想的引力系数和避障系数,并将路径的长度作为优化准则。采用以上策略,使算法更加适用于复杂环境,解的质量和搜索效率也获得了提高。在MATLAB环境下的仿真结果表明了文中方法与原始蚁群算法相比,能够更快地搜索到更优良的解。