尹庆文

(昆明理工大学机电工程学院,昆明 650500)

0 引言

随着智能制造技术的不断发展,机械臂广泛应用于工业发展,太空探索,医疗辅助等行业,减轻了人为因素对工作的影响,提高了工作效率,给制造业带来了许多便利[1-3]。然而,当前机械臂的自动化和智能化水平依旧发展缓慢,在多数环境狭小作业场合,需要依赖人为的示教,工作人员难以直接参与该环境,导致了机械臂发展受到局限性。因此,机械臂能自主的、高效的规划出一条可行路径成为当前的研究热点。

机械臂路径规划算法主要有A*[4]算法,蚁群算法[5],人工势场法[6],快速随机树算法(rapidly-exploring random trees,RRT)[7]等,前两种算法直观易修改,但是存在不稳定性,取决于具体问题和设计者的经验;人工势场法是一种反馈控制策略,对控制和传感误差具有一定鲁棒性,但是很容易陷入局部最小值;RRT适用于高维度空间,它们以概率完备性来代替完备性,从而提高搜索效率,但是存在盲目性高,导向性差等特点。本文综合考虑研究热点和机械臂所处的高纬度空间,选取RRT算法作为基础算法进行研究。许多学者对该算法提出了改进思路,张振等[8]提出了一种基于采样的RRT算法,改进稀疏点产生机制,减少重复性采样,提出动态采样策略,提高了扩展方向的确定性,但是保留了RRT算法的部分缺陷,规划的路径不为最优;魏武等[9]提出了一种双树Quick-RRT*算法,起点和终点分别生成一棵随机树,起点树和终点树轮流生长,提高了路径收敛……