決策樹算法在機(jī)械臂碰撞規(guī)避方法中的應(yīng)用

賈 佳，王 俊

（1.開封大學(xué)機(jī)械與汽車工程學(xué)院，河南 開封 475004；2.河南大學(xué)人工智能學(xué)院，河南 鄭州 450046）

1 引言

機(jī)械臂應(yīng)用于多個領(lǐng)域，其作為兼顧安全性和生產(chǎn)效率的實(shí)用工具，已成為全球經(jīng)濟(jì)高速發(fā)展的有力支撐［1-2］。

機(jī)械臂能夠按照運(yùn)動軌跡達(dá)成指定目的［3-5］，該設(shè)備具備規(guī)避沿途障礙物的能力，即規(guī)避碰撞，然而機(jī)械臂工作環(huán)境的多樣性決定了機(jī)械臂碰撞規(guī)避能力的有限性，考慮到這一情況，國內(nèi)外研究人員將碰撞規(guī)避技術(shù)作為重點(diǎn)研究方向，致力于機(jī)械臂碰撞規(guī)避方法的開發(fā)。

文獻(xiàn)［6］方法通過自由漂浮模式空間采集機(jī)械臂運(yùn)動路徑相關(guān)數(shù)據(jù)，并利用帶約束參數(shù)優(yōu)化方法，獲取該相關(guān)數(shù)據(jù)的空間占位關(guān)系，通過將該關(guān)系輸入以碰撞規(guī)避函數(shù)為基礎(chǔ)構(gòu)建的加權(quán)目標(biāo)模型，實(shí)現(xiàn)機(jī)械臂的碰撞規(guī)避，該方法存在碰撞規(guī)避效率低的問題。文獻(xiàn)［7］方法通過電機(jī)轉(zhuǎn)速擬合關(guān)系式獲取機(jī)械臂電流變化速度，并將該速度值輸入機(jī)械臂運(yùn)動學(xué)模型中彌補(bǔ)機(jī)械臂因碰撞產(chǎn)生的運(yùn)動參數(shù)缺損，通過觀察運(yùn)動參數(shù)彌補(bǔ)后機(jī)械臂運(yùn)動學(xué)模型的電機(jī)轉(zhuǎn)速閾值，實(shí)現(xiàn)機(jī)械臂的碰撞規(guī)避，但是該方法由于獲取的行為信息不準(zhǔn)確，導(dǎo)致方法存在工作效率低的情況。文獻(xiàn)［8］方法通過動量偏差觀測器獲取機(jī)械臂預(yù)計(jì)碰撞力量，并將該預(yù)計(jì)值輸入以外力矩觀測值為基礎(chǔ)構(gòu)建的機(jī)械臂碰撞系統(tǒng)，根據(jù)系統(tǒng)輸出的機(jī)械臂柔順性相關(guān)參數(shù)，實(shí)現(xiàn)機(jī)械臂的碰撞規(guī)避，但是該方法存在規(guī)避性能差的問題。以上方法的精度不高的原因，主要是在決策過程中的精度不高。

為了解決上述方法中存在的問題，研究決策樹算法在機(jī)械臂碰撞規(guī)避方法中的應(yīng)用。該方法引入決策樹算法，設(shè)計(jì)高精度決策樹邏輯結(jié)構(gòu)，結(jié)合濃度函數(shù)和機(jī)械臂運(yùn)動學(xué)方程等，實(shí)現(xiàn)機(jī)械臂碰撞規(guī)避，以期提高機(jī)械臂的工作效率。

2 機(jī)械臂的運(yùn)動學(xué)分析

在構(gòu)建機(jī)械臂碰撞規(guī)避方法前，需要進(jìn)行機(jī)械臂的運(yùn)行學(xué)分析，獲取機(jī)械臂的運(yùn)動數(shù)據(jù)，分析結(jié)果有利于規(guī)避碰撞，并且該歷史運(yùn)動數(shù)據(jù)將作為機(jī)械臂碰撞規(guī)避決策樹的輸入，獲取顯著的機(jī)械臂碰撞規(guī)避決策信息。常規(guī)機(jī)械臂具有3個轉(zhuǎn)動關(guān)節(jié)，包括肩關(guān)節(jié)、肘關(guān)節(jié)和腕關(guān)節(jié)，三個關(guān)節(jié)通過串聯(lián)的方式連接在一起，使機(jī)械臂能夠在指定空間范圍內(nèi)自由移動。以常規(guī)機(jī)械臂為例，分析機(jī)械臂的運(yùn)動學(xué)規(guī)則。機(jī)械臂的三個關(guān)節(jié)是機(jī)械臂靈活運(yùn)動的重要結(jié)構(gòu)，關(guān)節(jié)端多由球面體組成，最大程度增加機(jī)械臂運(yùn)動自由度，其中機(jī)械臂末端對機(jī)械臂工作起到主導(dǎo)性作用。理論上來說，機(jī)械臂末端的運(yùn)動空間不受工作環(huán)境約束，可以根據(jù)自身杠桿參數(shù)和關(guān)節(jié)轉(zhuǎn)角完成指定要求，但實(shí)際上，由于工作環(huán)境存在障礙物干擾，機(jī)械臂末端的運(yùn)動空間受到多組外力的限制，導(dǎo)致機(jī)械臂工作效率不高。因此，機(jī)械臂的運(yùn)動學(xué)分析是以現(xiàn)實(shí)環(huán)境為基礎(chǔ)，通過分析障礙物干擾下機(jī)械臂杠桿參數(shù)和關(guān)節(jié)轉(zhuǎn)角，獲取能夠描述機(jī)械臂運(yùn)動的方程式，從而達(dá)到機(jī)械臂規(guī)避碰撞。

2.1 機(jī)械臂杠桿參數(shù)

根據(jù)運(yùn)動空間原理，杠桿越長，機(jī)械臂在實(shí)際場景中受到的障礙物干擾強(qiáng)度越強(qiáng)，因此機(jī)械臂的杠桿長度需要具備環(huán)境適應(yīng)能力。常規(guī)機(jī)械臂的兩個杠桿長度分別為400mm和600mm。利用蒙特卡洛法分析機(jī)械臂杠桿參數(shù)，獲取該機(jī)械臂杠桿在實(shí)際場景中的最適運(yùn)動范圍。蒙特卡洛法的表達(dá)式如下：

式中：tmini—蒙特卡洛常數(shù)；φRAND—實(shí)際場景的維度；α—機(jī)械臂杠桿在實(shí)際場景中的最小運(yùn)動范圍；Ni—機(jī)械臂杠桿在實(shí)際場景中的最大運(yùn)動范圍。

2.2 關(guān)節(jié)轉(zhuǎn)角

機(jī)械臂關(guān)節(jié)受到驅(qū)動零件及實(shí)際場景限制，無法實(shí)現(xiàn)全周轉(zhuǎn)動，常規(guī)機(jī)械臂關(guān)節(jié)轉(zhuǎn)角包括α、β和γ，其中，β的轉(zhuǎn)動范圍為-（360～180）°；α的轉(zhuǎn)動范圍為（-60～90）°；γ的轉(zhuǎn)動范圍為（0～180）°。利用遍歷搜索算法分析機(jī)械臂關(guān)節(jié)轉(zhuǎn)角，獲取該機(jī)械臂關(guān)節(jié)轉(zhuǎn)角在實(shí)際場景中的最適運(yùn)動范圍。遍歷搜索算法的表達(dá)式如下：

式中：vi—遍歷搜索常數(shù)；Es—實(shí)際場景的維度；vr—機(jī)械臂關(guān)節(jié)轉(zhuǎn)角在實(shí)際場景中的最大運(yùn)動范圍；Er—機(jī)械表關(guān)節(jié)轉(zhuǎn)角在實(shí)際場景中的最小運(yùn)動范圍。

利用隨機(jī)函數(shù)將機(jī)械臂杠桿和關(guān)節(jié)轉(zhuǎn)角在實(shí)際場景中的最適運(yùn)動范圍結(jié)合，得到能夠描述機(jī)械臂運(yùn)動的方程式。隨機(jī)函數(shù)的表達(dá)式如下：

式中：ln—隨機(jī)常數(shù)；kn—參與結(jié)合的機(jī)械臂杠桿在實(shí)際場景中的最適運(yùn)動范圍；m—參與結(jié)合的機(jī)械臂關(guān)節(jié)轉(zhuǎn)角在實(shí)際場景中的最適運(yùn)動范圍。機(jī)械臂運(yùn)動學(xué)方程式如下：

式中：ρ—機(jī)械臂姿態(tài)參數(shù)—機(jī)械臂位置向量—描述機(jī)械臂運(yùn)動的物理學(xué)系數(shù)；—現(xiàn)實(shí)環(huán)境的權(quán)重。至此完成機(jī)械臂運(yùn)動學(xué)分析，通過分析結(jié)果可以獲取機(jī)械臂的運(yùn)動數(shù)據(jù)，更深層次的掌握機(jī)械臂，為機(jī)械臂規(guī)避碰撞奠定基礎(chǔ)。

3 機(jī)械臂碰撞規(guī)避方法

3.1 機(jī)械臂工作環(huán)境與碰撞初步檢測

在引入決策樹算法前，需要檢測機(jī)械臂工作環(huán)境，并且進(jìn)行機(jī)械臂碰撞的初步檢測，為決策樹算法的應(yīng)用提供環(huán)境數(shù)據(jù)基礎(chǔ)，因?yàn)榄h(huán)境的多樣性對機(jī)械臂工作造成一定的阻礙，即環(huán)境多樣性造成環(huán)境復(fù)雜。采用二次投影法檢測機(jī)械臂碰撞過程的本質(zhì)是將機(jī)械臂運(yùn)動學(xué)方程與二次投影法結(jié)合，使機(jī)械臂碰撞過程簡化為三維視角下包圍盒［9］相交情況的判斷過程。包圍盒又稱替代模型，包圍盒相交情況的判斷過程指的是應(yīng)用線條參與量少、空間維度簡單的幾何體代替體積龐大、計(jì)算較為復(fù)雜的目標(biāo)物體，并在三維視角下，通過觀察包圍盒離散點(diǎn)分布情況，實(shí)現(xiàn)機(jī)械臂碰撞檢測。機(jī)械臂碰撞檢測以機(jī)械臂運(yùn)動學(xué)方程和二次投影法為基礎(chǔ)，構(gòu)建符合替代條件的三維視角下的包圍盒，利用預(yù)測函數(shù)獲取現(xiàn)實(shí)場景中障礙物位置與機(jī)械臂之間的坐標(biāo)關(guān)系，從而三維空間坐標(biāo)系與現(xiàn)實(shí)場景完全對應(yīng)，構(gòu)建機(jī)械臂的工作空間。二次投影法的表達(dá)式如下：

式中：β—二次投影常數(shù)；2a—包圍盒構(gòu)建系數(shù)；xOyn—包圍盒構(gòu)建誤差；xOym—包圍盒與機(jī)械臂之間的等比簡化參數(shù)。預(yù)測函數(shù)的表達(dá)式如下：

式中：qx—預(yù)測常數(shù)；Qx—三維空間坐標(biāo)系與現(xiàn)實(shí)場景中障礙物位置的對應(yīng)程度；Aj—三維空間坐標(biāo)系與現(xiàn)實(shí)場景中障礙物位置的對應(yīng)誤差。

機(jī)械臂碰撞過程簡化后三維視角下包圍盒相交情況，如圖1所示。

圖1 機(jī)械臂碰撞過程簡化后三維視角下包圍盒相交情況Fig.1 Intersection of Bounding Box from 3D Perspective After Simplified Collision Process of Mechanical Arm

圖1中，機(jī)械臂a、b分別簡化為三維坐標(biāo)系下兩個包圍盒結(jié)構(gòu)，散落在坐標(biāo)系下的黑色區(qū)域是投影至三維空間的障礙物坐標(biāo)。成功獲取基于機(jī)械臂實(shí)景運(yùn)動的簡化結(jié)構(gòu)后，通過分析包圍盒相交情況，判斷機(jī)械臂是否發(fā)生碰撞。包圍盒相交情況的判斷過程如下：利用非線性映射方法初步判斷包圍盒在三維空間中與障礙物坐標(biāo)的相交情況，若初步判斷未取得相交結(jié)果，則繼續(xù)利用投影函數(shù)獲取障礙物坐標(biāo)與包圍盒之間的最短距離，若輸出的最短距離大于0mm，則包圍盒與障礙物坐標(biāo)不相交，若輸出的最短距離小于0mm，則包圍盒與障礙物坐標(biāo)相交。根據(jù)包圍盒與障礙物坐標(biāo)的相交結(jié)果，檢測機(jī)械臂的碰撞情況。非線性映射方法的表達(dá)式如下：

式中：uer—非線性映射常數(shù)；tq—三維空間的權(quán)重；tq-1—包圍盒與障礙物坐標(biāo)相交情況的判定系數(shù)；υ—包圍盒與障礙物坐標(biāo)相交情況的判斷誤差。投影函數(shù)的表達(dá)式如下：

式中：pz—投影常數(shù)；yz—障礙物坐標(biāo)與包圍盒之間最短距離的獲取系數(shù)；I4a—障礙物坐標(biāo)與包圍盒之間最短距離的獲取誤差。

3.2 決策樹算法的碰撞規(guī)避方法

上述完成了機(jī)械臂的工作環(huán)境的構(gòu)建，并且初步檢測了機(jī)械臂的碰撞情況，但是此時無法使機(jī)械臂有效規(guī)避碰撞，因此，需要引入決策樹算法，構(gòu)建高效的碰撞規(guī)避方法。以簡化后三維視角下包圍盒所處空間為基礎(chǔ)，利用濃度函數(shù)采集三維空間中包圍盒預(yù)計(jì)位移信息，根據(jù)機(jī)械臂追運(yùn)動學(xué)分析結(jié)果，并且引入決策樹算法，建立基于預(yù)計(jì)位移信息的機(jī)械臂碰撞規(guī)避決策樹模型，通過將機(jī)械臂歷史運(yùn)動數(shù)據(jù)輸入模型，獲取機(jī)械臂碰撞規(guī)避行為決策信息。機(jī)械臂可以依靠機(jī)械臂碰撞規(guī)避決策信息精準(zhǔn)定位移動路線，在該路線中機(jī)械臂與障礙物隔離，實(shí)現(xiàn)機(jī)械臂碰撞規(guī)避，提高機(jī)械臂的工作效率。

濃度函數(shù)的表達(dá)式如下：

式中：sin—濃度常數(shù)；Jnm—機(jī)械臂預(yù)計(jì)位移信息采集系數(shù)；|yk|—機(jī)械臂預(yù)計(jì)位移信息采集誤差。

應(yīng)用決策樹算法（ITERATIVE DICHOTOMISER 3，ID3），并且根據(jù)機(jī)械臂運(yùn)動學(xué)分析結(jié)果，建立基于預(yù)計(jì)位移信息的機(jī)械臂碰撞規(guī)避決策樹模型，具體過程如下：利用ID3算法獲取包圍盒（前文模擬的機(jī)械臂）預(yù)計(jì)位移信息基于不同方向的屬性劃分點(diǎn)，并規(guī)定X方向?yàn)榘鼑星斑M(jìn)方向，該方向的屬性劃分點(diǎn)為建立機(jī)械臂碰撞規(guī)避決策樹模型的最高決策結(jié)點(diǎn)。其他方向的決策結(jié)點(diǎn)以最高決策結(jié)點(diǎn)為中心持續(xù)分裂，直至分裂出一顆完整的機(jī)械臂碰撞規(guī)避決策樹。通過計(jì)算決策樹每單位分支的信息熵［10］，獲取基于決策樹分支的信息增益，使決策樹分支具備機(jī)械臂碰撞規(guī)避決策效應(yīng)。

ID3算法的表達(dá)式如下：

式中：yent(s)—ID3常數(shù)；||—屬性劃分點(diǎn)獲取系數(shù)；|e|—屬性劃分點(diǎn)獲取誤差。信息熵計(jì)算公式如下：

式中：aargmax—信息熵計(jì)算常數(shù)；ΔT—機(jī)械臂碰撞規(guī)避決策樹分支的信息增益閾值；lv—信息熵計(jì)算誤差。每單位分支均具備機(jī)械臂碰撞規(guī)避決策效應(yīng)的決策樹在擬合方法的作用下建立機(jī)械臂碰撞規(guī)避決策樹模型，碰撞規(guī)避決策樹模型的表達(dá)式如下：

式中：w(n)—擬合常數(shù)；Sn—決策樹模型構(gòu)建系數(shù)；lbn—決策樹模型構(gòu)建誤差。機(jī)械臂碰撞規(guī)避決策樹模型，如圖2所示。

圖2 機(jī)械臂碰撞規(guī)避決策樹模型Fig.2 Collision Avoidance Decision Tree Model of Manipulator

通過式（4）獲取機(jī)械臂歷史運(yùn)動數(shù)據(jù)，并且將其輸入機(jī)械臂碰撞規(guī)避決策樹模型，模型根據(jù)決策函數(shù)分析機(jī)械臂歷史運(yùn)動數(shù)據(jù)，并輸出碰撞規(guī)避效果顯著的行為決策信息，從而機(jī)械臂避免由于障礙物干擾導(dǎo)致活動受限的問題，實(shí)現(xiàn)真正意義上的機(jī)械臂碰撞規(guī)避。機(jī)械臂碰撞規(guī)避決策的表達(dá)式如下：

式中：η—決策常數(shù)；ni—參與計(jì)算的機(jī)械臂歷史運(yùn)動數(shù)據(jù)量；btree—決策樹模型的權(quán)重。

通過上述的機(jī)械臂碰撞規(guī)避決策樹模型，可以實(shí)現(xiàn)機(jī)械臂的碰撞規(guī)避。

4 實(shí)驗(yàn)與結(jié)果

為了驗(yàn)證決策樹算法在機(jī)械臂碰撞規(guī)避方法中的應(yīng)用效果，需要測試所提方法的性能，并且選擇文獻(xiàn)［6］方法和文獻(xiàn)［7］方法作為對比方法。

4.1 實(shí)驗(yàn)對象與參數(shù)

實(shí)驗(yàn)過程，選取三家某工業(yè)車間三個不同型號的可移動機(jī)械臂為研究對象，分別命名為型號一、型號二和型號三機(jī)械臂，試驗(yàn)對象，如圖3所示。三種型號的機(jī)械臂參數(shù)，如表1所示。

表1 三種型號的機(jī)械臂參數(shù)Tab.1 Three Types of Mechanical Arm Parameters

圖3 試驗(yàn)對象Fig.3 Test Object

4.2 實(shí)驗(yàn)障礙物設(shè)置

利用Matlab2010b、Intel Core i8-6900H 計(jì)算機(jī)處理器，建立障礙物環(huán)境，共設(shè)置19個障礙物，障礙物大小不一，位置不同，且每個障礙物均標(biāo)注英文字符以保證試驗(yàn)清晰，多個障礙物構(gòu)成了工作環(huán)境的多樣性，即復(fù)雜性。障礙物環(huán)境，如圖4所示。

圖4 障礙物環(huán)境Fig.4 Barrier Environment

4.3 實(shí)驗(yàn)場景路徑設(shè)置

實(shí)驗(yàn)分析碰撞性能和隔離性能，測試均采用圖4 的實(shí)驗(yàn)環(huán)境，但是機(jī)器臂行走路徑不同，路徑均為人工設(shè)置。碰撞性能測試的路徑為，型號一以障礙物S為起始點(diǎn)，沿障礙物Q、P、N達(dá)到終點(diǎn)O，型號二以障礙物I為起點(diǎn)，沿障礙物H、G、F達(dá)到終點(diǎn)E，型號三以障礙物J為起點(diǎn)，沿障礙物K、L、達(dá)到終點(diǎn)M，三種型號機(jī)械臂的路徑不同，前進(jìn)方向不同。隔離性能測試路徑是規(guī)定三種型號的機(jī)械臂固定路線，以障礙物S為起點(diǎn)，沿障礙物Q、P、N、O，達(dá)到終點(diǎn)G。

4.4 實(shí)驗(yàn)性能分析

4.4.1 碰撞檢測性能

利用快速逆運(yùn)動學(xué)模型，采集各型號機(jī)械臂在運(yùn)動過程中的關(guān)節(jié)力矩絕對值。機(jī)械臂碰撞檢測是所提方法的初步檢測，后續(xù)規(guī)避碰撞均是以此為基礎(chǔ)，因此，需要先驗(yàn)證所提方法的機(jī)械臂碰撞檢測性能，該性能正?；蛘吒觾?yōu)異的情況下，驗(yàn)證機(jī)械臂碰撞規(guī)避性能。正常情況下，機(jī)械臂的關(guān)節(jié)力矩絕對值僅與機(jī)械臂型號有關(guān)，但是在機(jī)械臂位于障礙物較多的復(fù)雜環(huán)境時，由于機(jī)械臂極易與障礙物碰撞而產(chǎn)生力矩?fù)p耗，因此機(jī)械臂的關(guān)節(jié)力矩絕對值并不穩(wěn)定。

現(xiàn)采用所提方法、文獻(xiàn)［6］方法和文獻(xiàn)［7］方法檢測三種型號機(jī)械臂的碰撞情況，選擇文獻(xiàn)［6］方法和文獻(xiàn)［7］方法的原因是這兩種方法是近期的方法，在時間上具有代表性，并且其與其他方法相比，具備一定的普遍性，因此，選擇文獻(xiàn)［6］方法和文獻(xiàn)［7］方法作為對比方法。在碰撞檢測性能中，以關(guān)節(jié)力矩絕對值超過規(guī)定的力矩?fù)p耗為機(jī)械臂發(fā)生碰撞的判斷依據(jù)，最先檢測出機(jī)械臂力矩?fù)p耗的方法，即是所有方法中碰撞檢測效率最高的方法。關(guān)節(jié)力矩絕對值公式如下：

式中：A—機(jī)械臂慣性，單位為kg·m2；B—機(jī)械臂角加速度，單位為rad/s^2；V—機(jī)械臂質(zhì)量，單位為kg；δ—機(jī)械臂力矩系數(shù)。

結(jié)合式（14），應(yīng)用不同方法檢測不同型號的機(jī)械臂關(guān)節(jié)力矩情況，如圖5所示。

圖5 不同型號機(jī)械臂力矩?fù)p耗檢出情況Fig.5 Detection of Torque Loss of Different Types of Manipulator

如圖5所示，所提方法針對三種型號的機(jī)械臂力矩?fù)p耗檢出速度均快于文獻(xiàn)［6］方法和文獻(xiàn)［7］方法，其中在型號二機(jī)械臂中，所提方法在0.29s時，檢測出機(jī)械臂發(fā)生碰撞，關(guān)節(jié)力矩絕對值超過了規(guī)定的力矩?fù)p耗7.5N·m，文獻(xiàn)［6］方法在0.35s檢測出機(jī)械臂碰撞，關(guān)節(jié)力矩絕對值超過了7.5N·m，文獻(xiàn)［7］方法在0.43s檢測出機(jī)械臂碰撞，關(guān)節(jié)力矩絕對值超過了7.5N·m，三者相比可知，所提方法以最短的時間有效檢測出機(jī)械臂的關(guān)節(jié)力矩絕對值超過規(guī)定的力矩?fù)p耗值，即檢測出機(jī)械臂發(fā)生碰撞，因此，分析結(jié)果表明采用所提方法檢測機(jī)械臂碰撞時，其碰撞檢測效率更高，可以更快速地為機(jī)械臂規(guī)避碰撞提供有效數(shù)據(jù)，從而降低碰撞時長，提高工作效率。

這是因?yàn)樗岱椒ㄍㄟ^分析機(jī)械臂運(yùn)動學(xué)獲取機(jī)械臂運(yùn)動學(xué)方程，并以該方程為基礎(chǔ)，結(jié)合二次投影法將機(jī)械臂碰撞過程簡化為三維視角下包圍盒相交情況的判斷過程，使得機(jī)械臂碰撞檢測的效率更高。

文獻(xiàn)［6］方法和文獻(xiàn)［7］方法針對三種型號的機(jī)械臂力矩?fù)p耗檢出速度均慢于所提方法，說明采用文獻(xiàn)［6］方法和文獻(xiàn)［7］方法檢測機(jī)械臂碰撞時，二者的碰撞檢測效率均較低。經(jīng)上述對比可知，采用所提方法檢測機(jī)械臂碰撞的效率明顯優(yōu)于傳統(tǒng)方法。

4.4.2 隔離性能

采用所提方法、文獻(xiàn)［6］方法和文獻(xiàn)［7］方法應(yīng)用于三種型號的機(jī)械臂，通過對比不同方法應(yīng)用后的機(jī)械碰撞規(guī)避效果，判斷不同方法針對機(jī)械臂的規(guī)避性能。

三種型號機(jī)械臂在固定路線上的碰撞規(guī)避情況，如圖6所示。

圖6 機(jī)械臂在固定路線上的碰撞規(guī)避情況Fig.6 Collision Avoidance of a Manipulator on a Fixed Route

如圖6可知，應(yīng)用所提方法的三種型號的機(jī)械臂均未與障礙物發(fā)生碰撞，應(yīng)用文獻(xiàn)［6］方法和文獻(xiàn)［7］方法的三種型號機(jī)械臂均與障礙物發(fā)生碰撞，其中文獻(xiàn)［6］方法在三種情景下，均與S、Q和O障礙物發(fā)生碰撞，文獻(xiàn)［7］方法在三種情景下，均與S、P和G障礙物發(fā)生碰撞，因此，文獻(xiàn)［6］方法和文獻(xiàn)［7］方法的機(jī)械臂規(guī)避碰撞時，二者的規(guī)避性能均不佳，所提方法的碰撞規(guī)避性能最佳，可以有效隔離機(jī)械臂與障礙物。

5 結(jié)束語

近年來，機(jī)械臂往往展現(xiàn)出優(yōu)于人工操作的能力，但是機(jī)械臂的碰撞規(guī)避性能不佳，導(dǎo)致工作效率不高，因此，設(shè)計(jì)了以決策樹算法為基礎(chǔ)的機(jī)械臂碰撞規(guī)避方法，分析了機(jī)械臂的運(yùn)動學(xué)后，應(yīng)用決策樹算法，完成機(jī)械臂碰撞規(guī)避。該方法經(jīng)過實(shí)驗(yàn)分析后，其有效降低了機(jī)械臂與障礙物發(fā)生碰撞的情況，提高了工作效率。在后續(xù)研究中，將針對方法運(yùn)行時CPU 占比進(jìn)行深入研究，以期進(jìn)一步提高方法的運(yùn)行效率。