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...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。展开更多
文摘针对人工势场(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。
