随着电子商务的发展,物流已经与人们的生活密切相关,物流业的发展也成为衡量国家现代化发展程度和综合国力的重要标志之一。目前在物流中心,仍需要通过人工方式拣选货物,然而使用人工拣选不仅效率低且具有不稳定性,如在疫情期间很多工人不得不在家进行隔离,给复产复工带来了麻烦,极大地限制了物流运输效率。为了解决在物流场景下通过机器代替人工提高拣选效率的问题,本文设计并搭建了移动机械臂拣选系统用于代替人力完成面向物流拣选的任务,具体内容和研究成果如下:本文首先对移动机械臂进行运动学模型构建;然后对六轴UR机械臂进行运动学分析,包括建立D-H模型;并用此模型进行正运动学和逆运动学分析,为之后的算法研究打下基础。针对移动机械臂在拣选过程中的奇异状态,本文从提高拣选效率考虑,提出一种通过目标点坐标、当前移动底盘中心坐标以及确定的机械臂抓取姿态这些已知条件,反算出基座位置坐标的方法,实现了尽可能小范围地调整移动底盘的位置和姿态,从而能使机械臂避开奇异状态进行对目标物体的拣选,并通过实验验证了算法的可行性。针对未根据抓取目标分布情况对工位点坐标进行优化的传统移动机械臂路径规划算法的低效率问题,本文提出一种基于改进遗传算法的移动机械臂拣选路径规划方法。首先根据待拣选物品放置位置优化拣选顺序,并在此规则下运用改进的遗传算法搜索到最优工位点;然后通过建立多工位点TSP模型,并在传统遗传算法基础上,引入等级进化选择算子和最优近邻交叉算子改进遗传算法,规划出移动机械臂的多工位点最短移动路径。在保证全局最优解的情况下,提高了遗传算法的收敛速度。实验结果表明,相比于传统遗传算法,该算法收敛速度提高了 46.15%,路径缩短了 45.99%,系统运行时间减少了25.80%,提高了系统效率。