基于改进Informed RRT*算法的液压破碎机械臂路径规划方法

《Modelling》：A Novel Path Planning Method for a Hydraulic Crushing Robotic Arm Based on an Improved Informed RRT* Algorithm

　　

高效、安全的路径规划是实现在矿溜槽中液压破碎机械臂自主破碎作业的核心前提。基础的基于采样的算法，即标准RRT^*和Informed RRT^*，在此高度受限的环境中存在目标不可达、计算冗余度高以及液压换向冲击等问题。因此，本文提出了一种基于改进Informed RRT^*算法的新型路径规划方法。首先，构建轴对齐包围盒（AABB）来近似替代障碍物，这不仅便于碰撞检测，而且能使机械臂末端精确到达目标点。其次，采用基于逆运动学感知的自适应分层策略和人工势场引导机制来构建抬升式越障走廊，实现降维路径搜索并减少无效碰撞检测。最后，将三次非均匀B样条与七段S形速度规划相结合，完成轨迹平滑。仿真结果表明，所提出的规划算法成功率为100%，生成节点数减少90.1%，轨迹达到C²连续性，提供指令级平滑，作为潜在液压振荡的前馈抑制。在液压破碎机械臂上进行了路径规划实验，机械臂末端到达位置的平均定位误差为30 mm，满足精度要求，为重型机械臂的安全运行提供了可靠解决方案。

在矿溜口等极端环境中，重型液压机械臂执行矿石破碎任务时，需要在密集障碍（如散落矿石、底部金属格筛）约束下规划出无碰撞且物理可执行的安全路径。传统规划算法如A*和人工势场法（APF）在二维地图中表现良好，但在三维复杂非结构化空间中存在节点冗余、易陷局部极小等缺陷。尽管RRT^*和Informed RRT^*等采样算法适合高维空间，但在目标矿石被包围且需垂直打击的半封闭场景下，启发式椭球与障碍大量重叠，导致有效采样空间缩小、碰撞检测失败频繁，甚至因安全膨胀将目标点划入碰撞区而无法到达。因此，研究人员提出基于改进Informed RRT^*的专用路径规划方法，以解决上述问题。

研究人员开展了以下工作：提出各向异性轴对齐包围盒（AABB）重构接触避碰机制，实现目标可达；基于逆运动学（IK）感知构建自适应分层降维策略，将底层复杂路径搜索解耦为“抬升—平移—下降”标准化走廊；设计迭代衰减APF引导与距离感知自适应步长结合的扩展机制，在冷启动阶段利用势场加速探索，优化阶段关闭势场以保留RRT^*渐进优化行为；采用三次非均匀B样条和七段S形速度规划完成轨迹平滑，生成满足液压动力学的C²连续指令。仿真在4块和10块矿石场景下进行，物理实验在含液压破碎机械臂和模拟格筛的平台上实施。

### 5.1.1 综合性能对比（Comprehensive Performance Comparison）

通过与标准RRT^*和Informed RRT^*在同样条件下进行50次蒙特卡洛试验比较，改进算法在两种矿石密度下均达到100%规划成功率，而基线算法在10块矿石场景下成功率降至82%和86%。生成节点数方面，10块矿石场景下改进算法仅需164.1个节点，较标准RRT^*减少88.6%，显著降低了搜索冗余。改进算法路径长度标准差为±0.000 m，确保作业周期稳定。尽管平均规划时间（9.283 s）未大幅缩短，但这是以预计算换取高空搜索简化的安全性设计。统计检验（Fisher精确检验）表明，在密集环境下改进算法的成功率显著优于基线。

### 5.1.2 消融研究（Ablation Study）

为量化各模块贡献，研究人员设置了四个变体模型。结果表明：各向异性AABB是实现100%可达性的关键；抬升—平移策略将成功率从86%提升至100%并将路径标准差降至0；迭代衰减APF引导将搜索时间从12.652 s缩短至10.432 s；自适应步长进一步将节点数降至164.1、时间降至9.283 s。物理约束模块（AABB、B样条、S曲线）保证了安全间隙和运动平滑性，其中B样条最大曲率有界，S曲线将加速度限制在1.2 m/s²内。

### 5.