关键词：机械臂;路径规划;RRT算法;冗余点策略;三次B样条曲线
摘 要：针对传统机械臂路径规划快速扩展随机树（RRT）算法存在探索能力弱，导向性差，收敛速度慢，耗时长等问题，提出了一种基于人工势场引导的概率偏置双向最优RRT算法（GB-APFB-RRT^*）。首先，起末点同时生成双树进行路径搜索，利用目标概率偏置阈值初步确定采样点扩展的方向，再重选父节点重布线，使每次迭代点都为路径代价最小；其次，在新节点的生长方式上引入人工势场思想，控制新节点的生长方式靠近目标点区域并且避开障碍物；最后，对规划路径进行剪枝处理，删除冗余点，利用三次B样条曲线进行路径平滑拟合，使得机械臂运动更加平稳。通过与RRT、B-RRT^*、APF-RRT算法进行了对比，结果表明所提算法的搜索效率平均提升了95%,迭代次数平均减少了98%,节点数平均缩小了32%,路径长度平均缩短了20%,说明了所提算法对环境的适应性更强，路径搜索效率更高，验证了该算法的有效性和高效性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取