7自由度仿人机械臂工作空间求解的降密蒙特卡洛法

针对蒙特卡洛法和改进蒙特卡洛法在求解机械臂工作空间时存在精度不够准确和加密点云浪费的问题，提出一种降密蒙特卡洛法.首先，基于蒙特卡洛法中随机点分布不均的特性，对机械臂初始工作空间进行均匀加密，使空间的内部与边界区域分明；然后，采用扩展关节角度和循环加密随机点的方式，只对边界区域进行加密，达到降低工作空间随机点云密度的目的；同时，还研究了该方法中初始点云数量、各轴向分割体素数量、精度阈值、扩展关节角度和循环次数等参数对工作空间精度的影响；最后，通过仿真分析对降密蒙特卡洛法的有效性进行验证.结果表明：相比于蒙特卡洛法，降密蒙特卡洛法在工作空间平均误差率为0.022 42%时，总随机点云数量降幅为93.89%；相比于改进蒙特卡洛法，在循环次数为2次和4次时，降密蒙特卡洛法工作空间的平均误差率分别降低0.138 53%和0.113 29%，总随机点云数量降幅分别为44.83%和64.52%.