为满足铁路接触网腕臂智能检修作业中机械臂自动导航需求,提出一种综合解决路径规划和障碍物避让问题的研究方法。该方法将双重目标转化为单一的约束优化问题。在此基础上,对标准快速搜索随机树(Rapidly exploring Random Tree,RRT)算...为满足铁路接触网腕臂智能检修作业中机械臂自动导航需求,提出一种综合解决路径规划和障碍物避让问题的研究方法。该方法将双重目标转化为单一的约束优化问题。在此基础上,对标准快速搜索随机树(Rapidly exploring Random Tree,RRT)算法进行改进,引入地图复杂程度评估策略和高斯混合分布采样策略,以约束随机采样点的生成方向。通过加入角度约束策略和临近障碍物的变步长机制,确保随机树始终向目标点方向生长,从而规划出渐进最优的路径。此外,设计一种基于甲虫嗅觉探测的递归神经网络(Recurrent Neural Network based on Beetle Olfactory Detection,RNNBOD)算法,配置最优关节角度,驱动冗余机械臂末端执行器沿规划的参考路径移动,从而降低其计算成本。仿真结果表明,该方法不仅有效提升了标准RRT算法的搜索效率、节点利用率和路径质量,还成功解决了冗余机械臂在运行过程中的跟踪控制难题。展开更多
文摘为满足铁路接触网腕臂智能检修作业中机械臂自动导航需求,提出一种综合解决路径规划和障碍物避让问题的研究方法。该方法将双重目标转化为单一的约束优化问题。在此基础上,对标准快速搜索随机树(Rapidly exploring Random Tree,RRT)算法进行改进,引入地图复杂程度评估策略和高斯混合分布采样策略,以约束随机采样点的生成方向。通过加入角度约束策略和临近障碍物的变步长机制,确保随机树始终向目标点方向生长,从而规划出渐进最优的路径。此外,设计一种基于甲虫嗅觉探测的递归神经网络(Recurrent Neural Network based on Beetle Olfactory Detection,RNNBOD)算法,配置最优关节角度,驱动冗余机械臂末端执行器沿规划的参考路径移动,从而降低其计算成本。仿真结果表明,该方法不仅有效提升了标准RRT算法的搜索效率、节点利用率和路径质量,还成功解决了冗余机械臂在运行过程中的跟踪控制难题。
