为实现液压重载机械臂的运动轨迹规划,采用SolidWorks建立了七自由度机械臂空间结构模型,通过ROS平台的URDF文件建立仿真模型.使用MoveIt实现运动规划,借助快速扩展随机树算法(RRT)进行机械臂的路径规划,得到机械臂各关节位移随时间变化的曲线.仿真结果表明机械臂在障碍物环境中实现了自动避障,该方法为在复杂障碍环境下进一步改进规划算法提供了直观便捷的方法.

针对传统RRT算法在无人车、无人船等自适应路径规划中的随机性导致树枝生长缺乏目标方向性问题,提出一种改进RRT算法与动态窗口相结合的混合算法,考虑其随机树生长过程中存在大量的冗余点,使得路径曲折、不平滑,基于子目标点选取策略研究一种过滤多余节点的算法;为了满足无人车、无人船行驶的安全性,建立安全阈值距离模型,避免与障碍物发生碰撞。对所提出的方法进行仿真实验,结果表明改进的RRT算法能够在复杂的动态环境下生成有效的可行路径,与传统RRT算法相比较,它使搜索效率提高了43%,规划路径平滑度明显提升,能够实现动态环境中无人车、无人船在线实时路径规划。

为解决回转空间下曲率变化大、线缆搜索效率低等问题,提出一种面向改进RRT算法的线缆路径规划的方法。通过对回转空间建模和布线空间划分进行研究,减少了不必要的搜索空间,提高了搜索效率。为解决RRT算法中采样点和扩展方向随机性过强的问题,避免节点"斜跨"表面敷设过大,提出了轴向约束角度采样策略,同时为提高算法整体搜索效率,提出动态步长扩展策略。最终通过实例测试与其他传统算法进行对比,证明了该算法的有效性和可行性。

针对传统局部路径规划存在非全局最优、易陷入困境、导航效率低等问题,这里提出了一种将改进RRT(RapidlyExploring Random Trees)算法和动态窗口法融合的算法。首先优化基本RRT算法的采样策略,使用三次贝塞尔曲线平滑所生成的全局路径。然后改进DWA(Dynamic Window Approach)算法的轨迹评价函数,构造路径最优的目标函数,以保证路径规划最优,从而提高移动机器人的避障性能。最后使用ROS(Robot Operating System)平台进行仿真验证,实验结果表明,与A*-DWA和Dijkstra-DWA相比,所提出算法在复杂环境下路径长度更短、路径质量更优,行进时间明显减少,移动机器人的平均速度较A*-DWA算法提高了约16.8%,证明了算法的有效性和实用性。

针对基础快速扩展随机树(Rapidly-exploring Random Trees,RRT)应用于无人驾驶车辆路径规划时缺乏导向性,收敛速度慢,路径平滑性差及规划结果并非最优解等问题,提出了一种基于RRT的路径规划改进算法。首先,设计了启发式采样策略提出基于权重分配的目标指向的局部扩展方式,解决了节点盲目扩展的问题,避免了因目标偏向而出现路径陷入局部最小值的情况,并通过设置转角阈值约束节点转角范围,同时采用变步长采样策略,提高了算法局部避障能力;其次,对已得路径进行后处理提出了节点优化策略,并用B样条曲线进行路径拟合,实现了路径长度的优化并满足平滑性要求,路径末端与目标点采用Reeds-Shepp曲线连接,解决了车辆抵达目标点时的航向问题。最后利用Matlab软件,将改进算法与基础RRT及其衍生算法进行了对比分析,验证了所提算法的有效性和优越性。