基于单树随机树搜索算法(Single directional rapidly-exploring random tree,single-RRT)和双树随机树搜索算法(Bi-directional rapidly-exploring random tree,bi-RRT),对7R机械臂的避障达点运动规划展开系统研究。基于single-RRT算...基于单树随机树搜索算法(Single directional rapidly-exploring random tree,single-RRT)和双树随机树搜索算法(Bi-directional rapidly-exploring random tree,bi-RRT),对7R机械臂的避障达点运动规划展开系统研究。基于single-RRT算法进行避障达点运动的数值仿真和实物样机试验。提出一种新的bi-RRT算法,结合末端姿态调整和关节自运动来生成目标树。并利用7R机械臂的解析逆解,生成目标位形。传统的bi-RRT算法只给定了一个目标位形,而新算法中目标点树根是由一群目标位形组成。在给定的障碍物环境中,机器人自动选择某一合适的位形作为目标节点来引导搜索树最有效地生长。通过数值仿真,验证该方法的优越性。利用Matlab和C++的混合编程和OpenGL开发了7R机械臂避障达点运动规划仿真软件。利用该软件,对基于bi-RRT的7R机械臂避障达点运动规划进行虚拟样机的试验研究。展开更多
通过在快速扩展随机树(rapidly-exploring random tree)算法的基础上融入状态-时间空间(state-timespace)的思想,使改进后的算法能够有效地处理动态环境中的航迹规划问题。仿真试验首先采用四元素法建立航天飞行器的六自由度动力学模型...通过在快速扩展随机树(rapidly-exploring random tree)算法的基础上融入状态-时间空间(state-timespace)的思想,使改进后的算法能够有效地处理动态环境中的航迹规划问题。仿真试验首先采用四元素法建立航天飞行器的六自由度动力学模型,在三维空间中验证该算法搜索高维空间的能力。其次运用改进的算法在动态环境中进行航迹规划试验,证明了该算法的有效性。展开更多
路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规...路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规划算法,具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质,并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后,展望了算法未来的研究方向与挑战。展开更多
针对采用快速扩展随机树(rapidly extending random trees,RRT)算法进行路径规划时速度较慢的缺点,对RRT算法进行了改进。在基本RRT算法的基础上引入轮盘赌的概念,对地图分区,加入目标偏向概率约束随机树的生长方向;当目前迭代与上一次...针对采用快速扩展随机树(rapidly extending random trees,RRT)算法进行路径规划时速度较慢的缺点,对RRT算法进行了改进。在基本RRT算法的基础上引入轮盘赌的概念,对地图分区,加入目标偏向概率约束随机树的生长方向;当目前迭代与上一次迭代为同一父节点时,改用最近节点连接策略,使样点与距离目标最近节点相连;发生碰撞时仅碰撞区域重新生成样点,增大随机树通过细窄通道和死角的概率。对生成路径进行3次B样条平滑处理。通过3组不同难度的地图仿真试验表明:随着地图难度的不断增长,改进的RRT算法的运行时间比原算法减少了62%左右,迭代次数减少了60%左右。展开更多
文摘基于单树随机树搜索算法(Single directional rapidly-exploring random tree,single-RRT)和双树随机树搜索算法(Bi-directional rapidly-exploring random tree,bi-RRT),对7R机械臂的避障达点运动规划展开系统研究。基于single-RRT算法进行避障达点运动的数值仿真和实物样机试验。提出一种新的bi-RRT算法,结合末端姿态调整和关节自运动来生成目标树。并利用7R机械臂的解析逆解,生成目标位形。传统的bi-RRT算法只给定了一个目标位形,而新算法中目标点树根是由一群目标位形组成。在给定的障碍物环境中,机器人自动选择某一合适的位形作为目标节点来引导搜索树最有效地生长。通过数值仿真,验证该方法的优越性。利用Matlab和C++的混合编程和OpenGL开发了7R机械臂避障达点运动规划仿真软件。利用该软件,对基于bi-RRT的7R机械臂避障达点运动规划进行虚拟样机的试验研究。
文摘通过在快速扩展随机树(rapidly-exploring random tree)算法的基础上融入状态-时间空间(state-timespace)的思想,使改进后的算法能够有效地处理动态环境中的航迹规划问题。仿真试验首先采用四元素法建立航天飞行器的六自由度动力学模型,在三维空间中验证该算法搜索高维空间的能力。其次运用改进的算法在动态环境中进行航迹规划试验,证明了该算法的有效性。
文摘路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规划算法,具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质,并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后,展望了算法未来的研究方向与挑战。
文摘针对采用快速扩展随机树(rapidly extending random trees,RRT)算法进行路径规划时速度较慢的缺点,对RRT算法进行了改进。在基本RRT算法的基础上引入轮盘赌的概念,对地图分区,加入目标偏向概率约束随机树的生长方向;当目前迭代与上一次迭代为同一父节点时,改用最近节点连接策略,使样点与距离目标最近节点相连;发生碰撞时仅碰撞区域重新生成样点,增大随机树通过细窄通道和死角的概率。对生成路径进行3次B样条平滑处理。通过3组不同难度的地图仿真试验表明:随着地图难度的不断增长,改进的RRT算法的运行时间比原算法减少了62%左右,迭代次数减少了60%左右。
