在智能飛行人機共駕系統(tǒng)中,協(xié)作機械臂代替了飛機副駕駛員,輔助飛行員完成各項飛行任務。為了防止機械臂與駕駛艙環(huán)境或機組人員發(fā)生碰撞,需要機械臂在運動過程中具備避障能力,以此保證飛行過程的安全性。本文基于機器人操作系統(tǒng)（ROS）設(shè)計了七軸機械臂的運動規(guī)劃仿真系統(tǒng)。利用URDF文件對LBR iiwa七軸機械臂進行描述,并通過Rviz完成機械臂的可視化建模。通過配置Moveit!功能包構(gòu)建了Moveit!運動規(guī)劃平臺,并利用Gazebo仿真器實現(xiàn)了機械臂的物理仿真。通過設(shè)計運動規(guī)劃平臺與物理仿真器間的關(guān)節(jié)軌跡控制接口,完成了基于Moveit!與Gazebo的聯(lián)合仿真系統(tǒng)構(gòu)建。然后利用D-H參數(shù)法建立了LBR iiwa七軸機械臂的運動學模型,并對機械臂的正向及逆向運動學進行分析,分別建立了正向及逆向運動學方程。通過對笛卡爾空間直線軌跡規(guī)劃進行理論分析,并在仿真系統(tǒng)中進行機械臂末端軌跡插值運動仿真實驗,驗證了對機械臂運動學分析的正確性。接著研究了機器人運動規(guī)劃基本理論,并重點分析了基于隨機采樣的避障運動規(guī)劃算法中的快速搜索隨機樹（RRT）算法。針對基本RRT規(guī)劃算法的不足之處,在節(jié)點擴展上提出一定... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

智能飛行人機共駕系統(tǒng)

哈爾濱工業(yè)大學工程碩士學位論文-3-空間，PRM算法依然能通過搜索較好地完成路線圖的構(gòu)建[10]。然而由于概率路線圖算法采樣的隨機性，所形成的路線圖自然也是隨機的。當機器人工作空間中障礙較多或者障礙物形狀較復雜時，PRM算法的探索能力將有所下降，則未必能規(guī)劃出具備始末位置連通路徑的路線圖。圖1-2PRM規(guī)劃算法示意圖考慮到PRM概率路線圖算法存在的一些問題，部分學者們進行相關(guān)研究對PRM算法實現(xiàn)了一定的改進。文獻[11]利用優(yōu)化后的采樣節(jié)點對路線圖中的原節(jié)點進行更換，縮短了路線圖中可行路徑的長度，優(yōu)化了規(guī)劃結(jié)果，并且使整個路線圖的平滑性更好，有利于機器人的實際運動控制。文獻[12]的作者則在PRM概率路線圖算法的基礎(chǔ)之上進行改進獲得了SBL-PRM規(guī)劃算法，該算法充分地挖掘了延遲碰撞檢測的潛力，降低了碰撞檢測原本所要消耗的巨大計算量，大幅提高了PRM規(guī)劃算法的路徑規(guī)劃速度。文獻[13]針對機器人工作空間中障礙物較多的情況，提出一種利用采樣節(jié)點取代與障礙物發(fā)生碰撞的節(jié)點的方法，增加了空間中的采樣節(jié)點，提高了PRM規(guī)劃算法的節(jié)點利用率，并最終優(yōu)化了規(guī)劃路徑。在基于隨機采樣的運動規(guī)劃算法中，快速搜索隨機樹RRT算法是與PRM算法同樣運用廣泛的規(guī)劃算法。針對機器人運動規(guī)劃中非完整約束的相關(guān)問題，學者LaValle在文獻中提出了基于隨機采樣的RRT規(guī)劃算法[14]。RRT算法具備高效探索未知空間的能力，如圖1-3所示，該算法以擴展樹的形式向未知空間進行探索。根據(jù)隨機采樣函數(shù)的不同定義，RRT規(guī)劃算法探索空間的范圍與速度也有所不同，通過合理地設(shè)置算法參數(shù)，擴展樹能快速地布滿整個空間。RRT的高效搜索空間能力以及無需進行位形空間障礙物建模的特性使得該算法被廣

哈爾濱工業(yè)大學工程碩士學位論文-4-泛地應用在了機械臂平臺上[15]。此外，RRT規(guī)劃算法還是概率完備的，只要機器人的自由位形空間中確實存在滿足算法約束條件的始末間無碰撞路徑，則隨著隨機節(jié)點的不斷擴展，RRT規(guī)劃算法最終必然能找到目標路徑[16]。圖1-3RRT規(guī)劃算法示意圖在實際的應用中，RRT規(guī)劃算法也存在不同類型的缺點。針對RRT在探索空間時隨機性較強，搜索效率低下的問題，文獻[19]提出在節(jié)點擴展時按一定概率向目標點方向擴展的方法，增強了RRT規(guī)劃算法的目標導向性，使得搜索樹更快地尋找到目標路徑。此外，由于RRT規(guī)劃算法的局部拓展性能不夠優(yōu)異，文獻[20]利用基于人工勢能的方法提高了規(guī)劃算法的局部探索能力。另外一些研究人員也基于人工勢能的思想為RRT規(guī)劃算法提供了搜索空間的引力函數(shù)，使得搜索樹按照引力參數(shù)值決定其搜索空間的隨機性與快速性，并由此增加了規(guī)劃算法靈活避開障礙的能力[21]�？紤]到RRT規(guī)劃算法在規(guī)劃空間中只擴展一枝搜索樹的效率不足的問題，LaValle又提出了雙向搜索隨機樹RRT-Connect規(guī)劃算法[24]。雙向搜索的RRT規(guī)劃算法是從起始點及目標點均向外通過隨機采樣的形式進行空間探索，由于該算法有兩枝搜索樹同時向未知空間拓展，且二者間均通過引導函數(shù)向?qū)Ψ降姆较驍U展，故RRT-Connect規(guī)劃算法能有效地提升原RRT規(guī)劃算法的規(guī)劃效率及規(guī)劃導向性。對于RRT算法規(guī)劃路徑隨機性強，對所得路徑?jīng)]有優(yōu)化的弊端，F(xiàn)razzoli提出了具備漸進最優(yōu)性的規(guī)劃算法RRT*[25]。RRT*利用剪枝的方法，在節(jié)點擴展的過程中不斷計算周圍節(jié)點的搜索代價，并將搜索代價較高的節(jié)點重新連接至搜索代價較低的路徑中[8]。通過不斷優(yōu)化局部的路徑長度，最終減少了整體規(guī)劃路徑的長度，實現(xiàn)了全局漸進最優(yōu)。

【參考文獻】：
期刊論文
[1]工業(yè)機器人運動規(guī)劃研究進展[J]. 劉暾東,陳馨,吳曉敏,邵桂芳.  自動化博覽. 2020(04)
[2]改進的RRT路徑規(guī)劃算法[J]. 劉恩海,高文斌,孔瑞平,劉貝野,董瑤,陳媛媛.  計算機工程與設(shè)計. 2019(08)
[3]基于改進快速擴展隨機樹算法的移動機器人路徑規(guī)劃[J]. 孫欽鵬,李猛,王中華.  濟南大學學報(自然科學版). 2019(05)
[4]機器人路徑規(guī)劃的快速擴展隨機樹算法綜述[J]. 陳秋蓮,蔣環(huán)宇,鄭以君.  計算機工程與應用. 2019(16)
[5]基于改進RRT算法的機械臂路徑規(guī)劃[J]. 蔡文濤,鄧屹,張靜,張永波,饒爽,陽康.  傳感器與微系統(tǒng). 2019(05)
[6]基于PRM改進的路徑規(guī)劃算法[J]. 鄒善席,王品,韓旭.  組合機床與自動化加工技術(shù). 2019(01)
[7]基于改進PRM的采摘機器人機械臂避障路徑規(guī)劃[J]. 鄒宇星,李立君,高自成.  傳感器與微系統(tǒng). 2019(01)
[8]七自由度機械臂動力學分析與仿真[J]. 王振榮,莢啟波,張雷剛,郭帥.  計量與測試技術(shù). 2018(04)
[9]ROS/Gazebo環(huán)境下的機械臂運動規(guī)劃研究[J]. 劉一鳴,許輝,耿長興,陳國棟.  煤礦機械. 2018(03)
[10]RRT與人工勢場法結(jié)合的機械臂避障規(guī)劃[J]. 何兆楚,何元烈,曾碧.  工業(yè)工程. 2017(02)

碩士論文
[1]基于全局地圖的移動機器人路徑規(guī)劃研究[D]. 高佳佳.西安工業(yè)大學 2019
[2]七自由度冗余機械臂的運動控制技術(shù)研究與應用[D]. 陳金亮.華中科技大學 2019
[3]非結(jié)構(gòu)環(huán)境下柑橘采摘機器人避障運動規(guī)劃研究[D]. 馬冀桐.重慶理工大學 2019
[4]雙機械臂協(xié)同運動規(guī)劃方法研究[D]. 杜曄.哈爾濱工業(yè)大學 2018
[5]面向障礙環(huán)境移動操作臂的運動規(guī)劃方法研究[D]. 陳飛.蘇州大學 2018
[6]冗余自由度機械臂模塊化關(guān)節(jié)設(shè)計及其運動規(guī)劃方法研究[D]. 劉一鳴.蘇州大學 2018
[7]基于改進RRT*算法的移動機器人運動規(guī)劃與仿真[D]. 潘思宇.安徽工業(yè)大學 2017
[8]基于ROS的移動操作機械臂底層規(guī)劃及運動仿真[D]. 錢偉.哈爾濱工業(yè)大學 2015
[9]基于RRT的全局路徑規(guī)劃方法及其應用研究[D]. 王全.國防科學技術(shù)大學 2014



本文編號：3604047