针对狼群算法因其游走行为的局限性而导致该算法寻优速度慢、精度低且易陷局部最优的弊端,将天牛搜索方式种群化且增加自适应步长更新与两须距离关联机制再引入狼群算法,提出基于改进天牛须搜索策略的狼群算法(BWPA)。新算法既有单一搜索而跳出局部最优又有精细搜索的优势。通过运用基准测试函数对BWPA进行50/1000维的仿真测试,并与其他智能算法进行比较,结果表明BWPA在低维和高维下皆具有更快的收敛速度和精度且能跳出局部最优,证实天牛须搜索对狼群算法的改进是有效的。

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。