基于改进RRT_和HHO算法的采摘机械臂运动规划研究.pdfVIP

摘要

果蔬采摘机械臂因其工作环境的复杂性，为了确保机械臂能稳定无损害的工作，

其运动规划尤为重要。规划出一条无碰撞且平滑的路径是路径规划的重要要求，而更

高一点的要求则是使规划出的轨迹带有时间信息，且运行时间最优，即轨迹规划。在

路径规划中常用的算法是快速随机搜索树算法，快速随机搜索树算法因其高维适应性

及渐进最优性非常适用于机械臂的路径规划。但是快速随机搜索树算法具有节点有效

性差和收敛速度慢的问题，因此有必要改进，使其适应路径规划。在轨迹规划中使用

哈里斯鹰优化算法对3-5-3分段多项式的插值时间进行优化，针对哈里斯鹰优化算法

早熟收敛、算法探索和开发难以平衡的问题，提出改进方案。本文的研究内容有以下

几点：

（1）在机械臂路径规划方面，提出一种基于Levy飞行策略的快速随机搜索树算

法(Levy-Rapidly-exploringRandomTrees,LRRT*)，该算法融合了目标导向策略、Levy

飞行策略、有效区域采样策略和节点拒绝策略。目标导向策略和Levy飞行策略用于

快速寻找初始路径阶段，使其快速扩展到目标点并增加了节点的有效性。有效区域采

样策略和节点拒绝策略用于优化路径阶段，减少无效节点的产生，加快算法的收敛速

度。分别在二维复杂环境、二维简单环境和三维环境中对LRRT*算法与RRT*算法、

MQ-RRT*算法及AS-RRT*算法进行了仿真对比实验，结果表明，LRRT*算法具有较

好的收敛性和稳定性，且具有较少的路径规划时间和较小的路径代价。

（2）在机械臂轨迹规划方面，引入哈里斯鹰优化算法优化3-5-3分段多项式的

插值时间，提出了一种基于粒子群扰动和布朗运动干扰的哈里斯鹰优化算法(PSO-

BM-HarrisHawksOptimization,PBHHO)。该算法融合了混合初始化策略增加初始种

群的多样性，引入粒子群扰动策略增加跳出局部最优的能力，结合布朗运动干扰策略

增加种群迭代过程中的多样性，以及采用两阶段非线性能量因子策略避免算法“早熟

收敛”。使用CEC2022基准测试函数从收敛曲线、箱线图和数值优化三方面验证

PBHHO算法的稳定性、波动性及鲁棒性，结果表明该算法在稳定性与波动性上优于

GWO、WOA、HHO和IHHO算法。将PBHHO算法应用于轨迹规划当中，相较于固

定运行时间，经PBHHO算法优化后的时间减少了63.33%。

（3）仿真与实验：以xArm6型机械臂为例，在Matlab中分别将LRRT*算法和

PBHHO算法加入到机械臂路径规划和轨迹规划之中。结果表明，基于LRRT*算法的

路径规划，成功得出一条无碰撞的路径。基于PBHHO算法的机械臂轨迹规划，成功

得出一条平滑且时间最优的轨迹，其运动过程中的角度、角速度和角加速度皆无突变，

达到了时间最优的效果。最后将算法移植进ROS中，在ROS中进行了仿真并上机实

验，可使机械臂规划出采摘轨迹。

关键词：机械臂；快速随机搜索树算法；哈里斯鹰优化算法；运动规划

万方数据

Abstract

Fruitandvegetableharvestingroboticarmsoperateincomplex

environments,makingmotionplanningcriticaltoensurestableanddamage-

freeoperation.Aprimaryrequirementforpathplanningisgenerating

collision-freeandsmoothpaths,whileamoreadvancedobjectiveinvolves

optimizingtrajectorieswithtemporalinformationforminimalexecution

time,knownastrajectoryplanning.TheRapidly-exploringRandomTree(RRT*)