智能飞行人机共驾中七轴机械臂的避障运动规划
发布时间：2022-01-23 09:13
在智能飞行人机共驾系统中,协作机械臂代替了飞机副驾驶员,辅助飞行员完成各项飞行任务。为了防止机械臂与驾驶舱环境或机组人员发生碰撞,需要机械臂在运动过程中具备避障能力,以此保证飞行过程的安全性。本文基于机器人操作系统（ROS）设计了七轴机械臂的运动规划仿真系统。利用URDF文件对LBR iiwa七轴机械臂进行描述,并通过Rviz完成机械臂的可视化建模。通过配置Moveit!功能包构建了Moveit!运动规划平台,并利用Gazebo仿真器实现了机械臂的物理仿真。通过设计运动规划平台与物理仿真器间的关节轨迹控制接口,完成了基于Moveit!与Gazebo的联合仿真系统构建。然后利用D-H参数法建立了LBR iiwa七轴机械臂的运动学模型,并对机械臂的正向及逆向运动学进行分析,分别建立了正向及逆向运动学方程。通过对笛卡尔空间直线轨迹规划进行理论分析,并在仿真系统中进行机械臂末端轨迹插值运动仿真实验,验证了对机械臂运动学分析的正确性。接着研究了机器人运动规划基本理论,并重点分析了基于随机采样的避障运动规划算法中的快速搜索随机树（RRT）算法。针对基本RRT规划算法的不足之处,在节点扩展上提出一定...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
智能飞行人机共驾系统
哈尔滨工业大学工程硕士学位论文-3-空间，PRM算法依然能通过搜索较好地完成路线图的构建[10]。然而由于概率路线图算法采样的随机性，所形成的路线图自然也是随机的。当机器人工作空间中障碍较多或者障碍物形状较复杂时，PRM算法的探索能力将有所下降，则未必能规划出具备始末位置连通路径的路线图。图1-2PRM规划算法示意图考虑到PRM概率路线图算法存在的一些问题，部分学者们进行相关研究对PRM算法实现了一定的改进。文献[11]利用优化后的采样节点对路线图中的原节点进行更换，缩短了路线图中可行路径的长度，优化了规划结果，并且使整个路线图的平滑性更好，有利于机器人的实际运动控制。文献[12]的作者则在PRM概率路线图算法的基础之上进行改进获得了SBL-PRM规划算法，该算法充分地挖掘了延迟碰撞检测的潜力，降低了碰撞检测原本所要消耗的巨大计算量，大幅提高了PRM规划算法的路径规划速度。文献[13]针对机器人工作空间中障碍物较多的情况，提出一种利用采样节点取代与障碍物发生碰撞的节点的方法，增加了空间中的采样节点，提高了PRM规划算法的节点利用率，并最终优化了规划路径。在基于随机采样的运动规划算法中，快速搜索随机树RRT算法是与PRM算法同样运用广泛的规划算法。针对机器人运动规划中非完整约束的相关问题，学者LaValle在文献中提出了基于随机采样的RRT规划算法[14]。RRT算法具备高效探索未知空间的能力，如图1-3所示，该算法以扩展树的形式向未知空间进行探索。根据随机采样函数的不同定义，RRT规划算法探索空间的范围与速度也有所不同，通过合理地设置算法参数，扩展树能快速地布满整个空间。RRT的高效搜索空间能力以及无需进行位形空间障碍物建模的特性使得该算法被广
哈尔滨工业大学工程硕士学位论文-4-泛地应用在了机械臂平台上[15]。此外，RRT规划算法还是概率完备的，只要机器人的自由位形空间中确实存在满足算法约束条件的始末间无碰撞路径，则随着随机节点的不断扩展，RRT规划算法最终必然能找到目标路径[16]。图1-3RRT规划算法示意图在实际的应用中，RRT规划算法也存在不同类型的缺点。针对RRT在探索空间时随机性较强，搜索效率低下的问题，文献[19]提出在节点扩展时按一定概率向目标点方向扩展的方法，增强了RRT规划算法的目标导向性，使得搜索树更快地寻找到目标路径。此外，由于RRT规划算法的局部拓展性能不够优异，文献[20]利用基于人工势能的方法提高了规划算法的局部探索能力。另外一些研究人员也基于人工势能的思想为RRT规划算法提供了搜索空间的引力函数，使得搜索树按照引力参数值决定其搜索空间的随机性与快速性，并由此增加了规划算法灵活避开障碍的能力[21]。考虑到RRT规划算法在规划空间中只扩展一枝搜索树的效率不足的问题，LaValle又提出了双向搜索随机树RRT-Connect规划算法[24]。双向搜索的RRT规划算法是从起始点及目标点均向外通过随机采样的形式进行空间探索，由于该算法有两枝搜索树同时向未知空间拓展，且二者间均通过引导函数向对方的方向扩展，故RRT-Connect规划算法能有效地提升原RRT规划算法的规划效率及规划导向性。对于RRT算法规划路径随机性强，对所得路径没有优化的弊端，Frazzoli提出了具备渐进最优性的规划算法RRT*[25]。RRT*利用剪枝的方法，在节点扩展的过程中不断计算周围节点的搜索代价，并将搜索代价较高的节点重新连接至搜索代价较低的路径中[8]。通过不断优化局部的路径长度，最终减少了整体规划路径的长度，实现了全局渐进最优。
【参考文献】：
期刊论文
[1]工业机器人运动规划研究进展[J]. 刘暾东,陈馨,吴晓敏,邵桂芳. 自动化博览. 2020(04)
[2]改进的RRT路径规划算法[J]. 刘恩海,高文斌,孔瑞平,刘贝野,董瑶,陈媛媛. 计算机工程与设计. 2019(08)
[3]基于改进快速扩展随机树算法的移动机器人路径规划[J]. 孙钦鹏,李猛,王中华. 济南大学学报(自然科学版). 2019(05)
[4]机器人路径规划的快速扩展随机树算法综述[J]. 陈秋莲,蒋环宇,郑以君. 计算机工程与应用. 2019(16)
[5]基于改进RRT算法的机械臂路径规划[J]. 蔡文涛,邓屹,张静,张永波,饶爽,阳康. 传感器与微系统. 2019(05)
[6]基于PRM改进的路径规划算法[J]. 邹善席,王品,韩旭. 组合机床与自动化加工技术. 2019(01)
[7]基于改进PRM的采摘机器人机械臂避障路径规划[J]. 邹宇星,李立君,高自成. 传感器与微系统. 2019(01)
[8]七自由度机械臂动力学分析与仿真[J]. 王振荣,荚启波,张雷刚,郭帅. 计量与测试技术. 2018(04)
[9]ROS/Gazebo环境下的机械臂运动规划研究[J]. 刘一鸣,许辉,耿长兴,陈国栋. 煤矿机械. 2018(03)
[10]RRT与人工势场法结合的机械臂避障规划[J]. 何兆楚,何元烈,曾碧. 工业工程. 2017(02)
硕士论文
[1]基于全局地图的移动机器人路径规划研究[D]. 高佳佳.西安工业大学 2019
[2]七自由度冗余机械臂的运动控制技术研究与应用[D]. 陈金亮.华中科技大学 2019
[3]非结构环境下柑橘采摘机器人避障运动规划研究[D]. 马冀桐.重庆理工大学 2019
[4]双机械臂协同运动规划方法研究[D]. 杜晔.哈尔滨工业大学 2018
[5]面向障碍环境移动操作臂的运动规划方法研究[D]. 陈飞.苏州大学 2018
[6]冗余自由度机械臂模块化关节设计及其运动规划方法研究[D]. 刘一鸣.苏州大学 2018
[7]基于改进RRT*算法的移动机器人运动规划与仿真[D]. 潘思宇.安徽工业大学 2017
[8]基于ROS的移动操作机械臂底层规划及运动仿真[D]. 钱伟.哈尔滨工业大学 2015
[9]基于RRT的全局路径规划方法及其应用研究[D]. 王全.国防科学技术大学 2014
本文编号：3604047
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
智能飞行人机共驾系统
哈尔滨工业大学工程硕士学位论文-3-空间，PRM算法依然能通过搜索较好地完成路线图的构建[10]。然而由于概率路线图算法采样的随机性，所形成的路线图自然也是随机的。当机器人工作空间中障碍较多或者障碍物形状较复杂时，PRM算法的探索能力将有所下降，则未必能规划出具备始末位置连通路径的路线图。图1-2PRM规划算法示意图考虑到PRM概率路线图算法存在的一些问题，部分学者们进行相关研究对PRM算法实现了一定的改进。文献[11]利用优化后的采样节点对路线图中的原节点进行更换，缩短了路线图中可行路径的长度，优化了规划结果，并且使整个路线图的平滑性更好，有利于机器人的实际运动控制。文献[12]的作者则在PRM概率路线图算法的基础之上进行改进获得了SBL-PRM规划算法，该算法充分地挖掘了延迟碰撞检测的潜力，降低了碰撞检测原本所要消耗的巨大计算量，大幅提高了PRM规划算法的路径规划速度。文献[13]针对机器人工作空间中障碍物较多的情况，提出一种利用采样节点取代与障碍物发生碰撞的节点的方法，增加了空间中的采样节点，提高了PRM规划算法的节点利用率，并最终优化了规划路径。在基于随机采样的运动规划算法中，快速搜索随机树RRT算法是与PRM算法同样运用广泛的规划算法。针对机器人运动规划中非完整约束的相关问题，学者LaValle在文献中提出了基于随机采样的RRT规划算法[14]。RRT算法具备高效探索未知空间的能力，如图1-3所示，该算法以扩展树的形式向未知空间进行探索。根据随机采样函数的不同定义，RRT规划算法探索空间的范围与速度也有所不同，通过合理地设置算法参数，扩展树能快速地布满整个空间。RRT的高效搜索空间能力以及无需进行位形空间障碍物建模的特性使得该算法被广
哈尔滨工业大学工程硕士学位论文-4-泛地应用在了机械臂平台上[15]。此外，RRT规划算法还是概率完备的，只要机器人的自由位形空间中确实存在满足算法约束条件的始末间无碰撞路径，则随着随机节点的不断扩展，RRT规划算法最终必然能找到目标路径[16]。图1-3RRT规划算法示意图在实际的应用中，RRT规划算法也存在不同类型的缺点。针对RRT在探索空间时随机性较强，搜索效率低下的问题，文献[19]提出在节点扩展时按一定概率向目标点方向扩展的方法，增强了RRT规划算法的目标导向性，使得搜索树更快地寻找到目标路径。此外，由于RRT规划算法的局部拓展性能不够优异，文献[20]利用基于人工势能的方法提高了规划算法的局部探索能力。另外一些研究人员也基于人工势能的思想为RRT规划算法提供了搜索空间的引力函数，使得搜索树按照引力参数值决定其搜索空间的随机性与快速性，并由此增加了规划算法灵活避开障碍的能力[21]。考虑到RRT规划算法在规划空间中只扩展一枝搜索树的效率不足的问题，LaValle又提出了双向搜索随机树RRT-Connect规划算法[24]。双向搜索的RRT规划算法是从起始点及目标点均向外通过随机采样的形式进行空间探索，由于该算法有两枝搜索树同时向未知空间拓展，且二者间均通过引导函数向对方的方向扩展，故RRT-Connect规划算法能有效地提升原RRT规划算法的规划效率及规划导向性。对于RRT算法规划路径随机性强，对所得路径没有优化的弊端，Frazzoli提出了具备渐进最优性的规划算法RRT*[25]。RRT*利用剪枝的方法，在节点扩展的过程中不断计算周围节点的搜索代价，并将搜索代价较高的节点重新连接至搜索代价较低的路径中[8]。通过不断优化局部的路径长度，最终减少了整体规划路径的长度，实现了全局渐进最优。
【参考文献】：
期刊论文
[1]工业机器人运动规划研究进展[J]. 刘暾东,陈馨,吴晓敏,邵桂芳. 自动化博览. 2020(04)
[2]改进的RRT路径规划算法[J]. 刘恩海,高文斌,孔瑞平,刘贝野,董瑶,陈媛媛. 计算机工程与设计. 2019(08)
[3]基于改进快速扩展随机树算法的移动机器人路径规划[J]. 孙钦鹏,李猛,王中华. 济南大学学报(自然科学版). 2019(05)
[4]机器人路径规划的快速扩展随机树算法综述[J]. 陈秋莲,蒋环宇,郑以君. 计算机工程与应用. 2019(16)
[5]基于改进RRT算法的机械臂路径规划[J]. 蔡文涛,邓屹,张静,张永波,饶爽,阳康. 传感器与微系统. 2019(05)
[6]基于PRM改进的路径规划算法[J]. 邹善席,王品,韩旭. 组合机床与自动化加工技术. 2019(01)
[7]基于改进PRM的采摘机器人机械臂避障路径规划[J]. 邹宇星,李立君,高自成. 传感器与微系统. 2019(01)
[8]七自由度机械臂动力学分析与仿真[J]. 王振荣,荚启波,张雷刚,郭帅. 计量与测试技术. 2018(04)
[9]ROS/Gazebo环境下的机械臂运动规划研究[J]. 刘一鸣,许辉,耿长兴,陈国栋. 煤矿机械. 2018(03)
[10]RRT与人工势场法结合的机械臂避障规划[J]. 何兆楚,何元烈,曾碧. 工业工程. 2017(02)
硕士论文
[1]基于全局地图的移动机器人路径规划研究[D]. 高佳佳.西安工业大学 2019
[2]七自由度冗余机械臂的运动控制技术研究与应用[D]. 陈金亮.华中科技大学 2019
[3]非结构环境下柑橘采摘机器人避障运动规划研究[D]. 马冀桐.重庆理工大学 2019
[4]双机械臂协同运动规划方法研究[D]. 杜晔.哈尔滨工业大学 2018
[5]面向障碍环境移动操作臂的运动规划方法研究[D]. 陈飞.苏州大学 2018
[6]冗余自由度机械臂模块化关节设计及其运动规划方法研究[D]. 刘一鸣.苏州大学 2018
[7]基于改进RRT*算法的移动机器人运动规划与仿真[D]. 潘思宇.安徽工业大学 2017
[8]基于ROS的移动操作机械臂底层规划及运动仿真[D]. 钱伟.哈尔滨工业大学 2015
[9]基于RRT的全局路径规划方法及其应用研究[D]. 王全.国防科学技术大学 2014
本文编号：3604047
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3604047.html
