基于低差异序列与快速扩展随机树融合算法的机械臂路径规划

代 伟 李创业 杨春雨 马小平

（1.中国矿业大学信息与控制工程学院,江苏徐州 221116;2.中国矿业大学地下空间智能控制教育部工程研究中心,江苏徐州 221116）

1 引言

机器人路径规划自20世纪70年代提出以来,逐渐成为机器人学的重要研究领域.而机械臂路径规划问题是其重要内容.传统工业生产中机械臂主要用于单一流水线任务,其运行操作依赖于操作工人的示教编程,效率低且适应性差.而随着工业生产环境变得越来越复杂,就更需要机械臂能够自主规划出一条无碰撞路径以适应不同的环境.针对这一问题国内外学者提出了一些可用于机械臂路径规划的方法,主要有人工势场法[1]（artificial potential field,APF）,A*算法[2],遗传算法[3]（genetic algorithm,GA）,快速扩展随机树[4—5]（rapidly-exploring random tree,RRT）等.人工势场法和A*算法在路径规划时虽然能够满足最优性和实时性要求,但人工势场法极易陷入局部极小值点[6],A*算法存在内存开销大,运行时间长,累计转折角度大等问题[7].遗传算法具有很强的自适应性和学习性,但其进化速度容易受到参数的影响,且运算时需要占用大量的存储空间[8].RRT算法是一种基于随机采样的路径规划方法,其不需要对状态空间进行预处理,具有搜索速度快,便于处理约束等特性,能有效解决复杂环境下路径规划的问题,近年来被广泛应用于机器人路径规划领域.但标准RRT存在一些固有的缺陷[9]:1）盲目的随机采样导致算法无谓地耗费较大代价,使得收敛速度变慢;2）算法的随机性导致生成的路径……