自重构波状爬行(self-reconfiguration wave-like crawling,SWC)机器人具有特殊的串/并联连接状态,其在运动规划过程中更需要生成连续可行的轨迹。传统运动规划算法存在效率低下、生成路径不符合运动学约束的问题。本文提出了一种改进...自重构波状爬行(self-reconfiguration wave-like crawling,SWC)机器人具有特殊的串/并联连接状态,其在运动规划过程中更需要生成连续可行的轨迹。传统运动规划算法存在效率低下、生成路径不符合运动学约束的问题。本文提出了一种改进的信息增强快速探索随机树运动规划方法。首先以RRT-Connect(rapidly-exploring random tree connect)算法为基础,生成初始可行路径,构建椭圆状态空间采样域,实现随机树的快速生长。其次,基于最小化的加加速度目标函数和Hessian矩阵优化多项式轨迹,生成符合SWC机器人运动学特性的平滑轨迹。最后,基于不同的障碍物场景进行路径规划仿真,以验证优化后算法的效果。仿真结果表明,相较于传统算法,所提方法在多种障碍物环境中可显著提升路径规划效率,缩短全局采样时间和规划路径长度,并可有效地避免SWC机器人运动过程中的急加速转弯,消除路径中的尖锐转折,更符合实际作业需求。展开更多
文摘自重构波状爬行(self-reconfiguration wave-like crawling,SWC)机器人具有特殊的串/并联连接状态,其在运动规划过程中更需要生成连续可行的轨迹。传统运动规划算法存在效率低下、生成路径不符合运动学约束的问题。本文提出了一种改进的信息增强快速探索随机树运动规划方法。首先以RRT-Connect(rapidly-exploring random tree connect)算法为基础,生成初始可行路径,构建椭圆状态空间采样域,实现随机树的快速生长。其次,基于最小化的加加速度目标函数和Hessian矩阵优化多项式轨迹,生成符合SWC机器人运动学特性的平滑轨迹。最后,基于不同的障碍物场景进行路径规划仿真,以验证优化后算法的效果。仿真结果表明,相较于传统算法,所提方法在多种障碍物环境中可显著提升路径规划效率,缩短全局采样时间和规划路径长度,并可有效地避免SWC机器人运动过程中的急加速转弯,消除路径中的尖锐转折,更符合实际作业需求。
