动态环境中基于广义坐标空间预计算的并联机器人高效轨迹规划方法

《Machines》：Prediction-Oriented Hankel Matrix Reduction for Data-Driven Predictive Control: Application to Wind Turbine Control

　　动态环境中并联机器人的轨迹规划涉及高昂的计算成本，因为每当环境发生变化时，都必须重复进行几何碰撞检测。本文提出一种轨迹规划方法，将最消耗资源的几何约束处理操作从实时规划阶段转移至预处理阶段；该目标通过在广义坐标空间中预计算约束来实现。为此，建立了工作空间中安全区域单元与离散化广义坐标空间之间的离散映射关系。一种利用聚合冲突计数器的增量约束更新机制，可在无需重复几何分析的情况下融入动态障碍物信息。轨迹优化采用遗传算法在广义坐标空间中进行，随后执行考虑执行器速度限制的时间参数化。仿真结果表明，该方法在不断变化的障碍物配置下进行轨迹重新规划具有较高的效率，而在 Delta 机器人上的实验验证则确认了其实际适用性。在所考察的实验条件下，所提方法完成初始规划及两次重新规划总计耗时约 1 秒，而 RRT 和 RRTX 算法分别耗时约 5 秒和秒；此外，所提方法为最终轨迹获得了最优的目标函数值。