导　　师： 肖南峰

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 多自由度串联工业机器人的避障运动规划是机器人研究领域的一个重点以及难点。工业机器人一般工作在有障碍物的复杂环境中,运动规划帮助其末端执行器找到一条从初始点运动到目的点的最优的无障碍路径,规划结果将直接影响到工业机器人运动学和动力学的性能表现。针对这个问题,本文提出了一种结合改进RRT(Rapidly-exploring Random Tree)算法和逆运动学求解方法的7自由度串联机械臂避障运动规划方法。本文的主要研究内容如下:首先,使用D-H方法对7自由度串联机械臂进行表示和建模,并推导出其正运动学方程。然后,为了分析在工作空间中运动规划时生成的路径节点对应的关节角值,提出一种改进ABC(Artificial Bee Colony Algorithm)算法并行化混沌蜂群算法CPABC用于求解逆运动学问题。仿真结果表明该方法相比人工蜂群算法和它的衍生算法以及其他群智能算法的求解质量更高。其次,针对7自由度串联机械臂运动规划过程中与空间障碍物的碰撞检测问题,提出基于AABB层次包围盒的碰撞检测方法。AABB(Axis-aligned Bounding Box)包围盒的每一个面都与基坐标系其中一条主轴垂直。它具有建立简单的特性,结合层次包围盒技术可以很好地减少包围盒碰撞检测时间,提高避障运动规划的执行效率。最后,本文提出了一种结合改进RRT(Rapidily-explorng random tree)算法RRT*和RRT-Connect的运动规划方法,该方法根据RRT-Connect分别从初始点和目标点构建两棵路径树,其搜索过程则与RRT*类似,保证该方法能够在有限的搜索次数中得到较优的路径,即概率完备以及渐进最优。为了验证该方法的有效性,使用MATLAB以及ROS(Robot Operating System)进行仿真实验,结果表明有限时间内新方法规划出的运动路径要优于其他RRT算法。

关 键 词： 运动规划 碰撞检测 逆运动学 人工蜂群算法 快速搜索随机树算法

领　　域： []