[發(fā)明專利]一種改進的RRT算法及工業(yè)機器人路徑避障規(guī)劃方法

有效

• 申請?zhí)枺?/td>: 202011484365.8
• 申請日: 2020-12-16
• 公開（公告）號: CN112677153B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設計）人: 劉亞秋;劉勛;呂云蕾;劉麗娜;趙漢琛;孫海超;王兆樂;趙月
• 申請（專利權）人: 東北林業(yè)大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 哈爾濱市偉晨專利代理事務所(普通合伙) 23209
• 代理人: 陳潤明

本發(fā)明是一種改進RRT的工業(yè)機器人路徑避障規(guī)劃算法，針對傳統(tǒng)RRT算法在機械臂的運動規(guī)劃上缺乏導向性，收斂速度慢等問題，文中在傳統(tǒng)RRT的基礎上，提出了一種擴展點選擇策略和自適應步長策略，并且在算法陷入局部極小值時，采用避免回歸機制，快速脫離極小值。然后結合Dijkstra算法對改進算法產(chǎn)生的路徑進行優(yōu)化，得到一條優(yōu)化后的路徑。最后，得到的機械臂末端有效路徑再通過本文的機械臂規(guī)劃模塊，轉化為一條機械臂最優(yōu)位姿路徑。將該改進算法與其他算法在Matlab和ROS中進行仿真實驗，實驗結果表明，該算法能有效指導RRT樹的生長方向，避免陷入極小值，并且提高算法的收斂速度，并且提高了機械臂在仿真中運動規(guī)劃效率。

技術領域

本發(fā)明是一種的改進RRT算法及工業(yè)機器人路徑避障規(guī)劃方法,尤其涉及智能機器人機械運動中避障的規(guī)劃算法，屬于智能機器人領域。

背景技術

隨著硬件技術和計算機技術的飛速發(fā)展，機器人也逐漸受到各個領域的人們的關注。在工業(yè)現(xiàn)場，常見到許多多關節(jié)串聯(lián)機械臂在一起快速，靈巧的完成各種任務，而其中機械臂的路徑規(guī)劃技術則是指導機械臂運動的關鍵。由于機械臂的工作環(huán)境越來越復雜，路徑規(guī)劃的作用也越來越重要。

機械臂的路徑規(guī)劃是在給定起始點和目標點的情況下，搜索得到一組合理的關節(jié)角度集合，利用這一組關節(jié)角度集合，可以驅動機械臂無碰撞的從初始位姿運動到目標位姿，以引導機械臂完成作業(yè)。傳統(tǒng)的路徑規(guī)劃算法有A*算法，人工勢場法，蟻群算法，遺傳算法等。其中，A*算法需要大量空間來存儲環(huán)境信息，計算效率低；人工勢場法容易陷入局部極小值中；蟻群優(yōu)化和遺傳算法等適用于多目標問題求解。這些方法在低維空間具有一定的優(yōu)勢，但當機械臂關節(jié)數(shù)增多，自由度較高時，這些算法的復雜性將會大幅度增加。

為了解決在高維空間中機械臂的運動規(guī)劃問題，1998年，Steven M.La Valle提出了快速擴展隨機樹(RRT)算法。RRT算法是一種基于采樣的路徑規(guī)劃算法，這類基于采樣的算法不用對障礙物進行建模，而是對每個采樣點進行碰撞檢測，因此在高維空間的路徑規(guī)劃中應用較廣。當然RRT算法同樣存在一些不足，如隨機樹擴展導向性差，算法收斂速度慢，在狹窄路段中搜索效率低等問題，針對這些不足，國內(nèi)外學者們提出了許多改進方案。現(xiàn)有技術中提出了一種基子目標搜索策略的RRT算法，該算法針對三種不同的環(huán)境提出了不同的應對策略，但是該算法主要是針對二維環(huán)境中的路徑規(guī)劃，對于高維環(huán)境規(guī)劃該算法搜索緩慢；現(xiàn)有技術中提出了一種RRT-GD模型用于機械臂的路徑規(guī)劃，該模型通過控制擴展方向來減少擴展時間，使其能迅速抵達目標點，但是如果有一個大的障礙物在起始點和目標點之間時，這個障礙物可能會限制該模型的所有擴展方向而無法得到一條可行路徑。傳統(tǒng)RRT算法還有一個缺陷，那就是它不利用擴展時收集到的空間和障礙物的信息，比如擴展成功時，說明這個方向上大概率是不存在障礙物的。自適應步長策略解決了這個問題，它能夠利用探索過程中收集到的信息來適應樹的擴展，以使樹更快地覆蓋較少受阻的空間區(qū)域。它的基本思想是：使用兩個變量e1，e2(初始都為1)分別代表隨機方向和引導方向的擴展長度因子，當給定節(jié)點在上面兩種方向擴展成功后，增加這個方向上的e值，并用新e值乘上步長擴展新的節(jié)點，若該方向上擴展失敗，即遭遇障礙物，則將該e值初始化。

擴展點選擇策略與自適應步長策略相結合，能夠非常快速的探索未知空間，并將擴展樹引導向最終目標點，但同時也會令擴展樹陷入局部極小值的問題中；針對空間中存在大量的狹窄路徑的問題提出了一種解決方案，但是當環(huán)境中障礙物較多時，算法效率會大大降低；現(xiàn)有技術中提出了一種快速擴展策略，可以快速探索空間，但是當遇到局部極小值時因為只有8個固定擴展方向，可能會難以跳出局部極小值；另外現(xiàn)有技術中提出了RRT*算法，該算法引入了對新生成節(jié)點相鄰節(jié)點的搜索，進而可以選擇較低代價的節(jié)點，可以得到一條漸進最優(yōu)的路徑，但是當運用到多自由度機械臂上時，每次搜索應該結合機械臂結構特點和關節(jié)約束等限制，實現(xiàn)復雜并且搜索緩慢。為了解決這些問題，本文對算法做了以下的改進。

發(fā)明內(nèi)容