1.一种智能抓钢机机械臂路径规划方法，其特征在于，包括步骤：S1、根据抓钢需求，获取机械臂二维工作场景，对所述二维工作场景进行栅格化处理，并设置每个栅格为可通行或障碍物；在可通行栅格喷洒等量信息素，即可通行栅格的信息素初始值相等，设为l0；获取机械臂的起点位置Qstart和目的位置Qgoal；如果从Qstart到Qgoal的直线路径没有碰触障碍物，则规划路径为从Qstart到Qgoal的直线段；否则，将Qstart作为RRT算法中搜索树的根节点，根据后续步骤确定规划路径；M只蚂蚁将起点Qstart作为当前位置Qcurrent；

S2、M只蚂蚁从当前位置Qcurrent开始进行匀速运动，运动方向为从当前位置向周围栅格中信息素最大的方向运动，如果当前位置周围栅格信息素最大的栅格有多个，从中随机选择一个；设第m只蚂蚁运动到点Qrand,m，检查Qcurrent与点Qrand,m的连线是否与障碍物发生碰撞，如果发生碰撞，则将Qrand,m丢弃；m＝1,2,…,M；在剩下的Qrand,m中选择距离Qcurrent最近的节点作为随机点Qrand；

S3、以随机点Qrand为起点，蚂蚁在信息素分布的可通行区域遍历Qrand周围所有的节点，找到距离Qrand最近的节点Qmin；

S4、计算障碍物到节点Qmin距离的最小值L；如果L≥ρ，则蚂蚁运用定向扩展法运动到新节点Qnew，若L＜ρ，则以随机扩展法运动到新节点Qnew；ρ为蚂蚁的运动步长；

所述定向扩展法具体为：

以Qmin为圆心，L为半径得到一个安全的圆形运动区，若L≥ρ，目的位置Qgoal给Qmin一个吸引力F，此时新节点Qnew的位置为：式中，α为吸引系数，α∈(0,1]；

所述随机扩展法具体如下：

以近邻点Qmin作为起点，蚂蚁向随机点Qrand方向前进固定步长ρ，扩展生成一个新的节点Qnew；

S5、判断新生成的Qnew和近邻点Qmin是否与障碍物有碰撞，若没有碰撞则将新节点Qnew添加到树上，其父节点为Qmin，则发芽成功，并删除所有栅格的不可扩展标记；若碰撞了就剔除该新节点，生长作废，发芽失败，将Qmin对应的栅格标记为不可扩展，重新生成近邻点Qmin，跳转至步骤S4重新生成新节点；

所述重新生成近邻点的步骤为：

以随机点Qrand为起点，蚂蚁在信息素分布的可通行区域遍历Qrand周围所有的节点，找到距离Qrand最近、且没有不可扩展标记的节点作为新的近邻点Qmin；

S6、优化Qcurrent到Qnew的路径；

S7、更新Qcurrent到Qnew路径上的信息素；

S8、更新路径表；将Qcurrent到Qnew的路径加入路径表；

S9、更新Qnew到Qgoal范围的信息素；

S10、当Qnew位于目的位置Qgoal的邻域或者为Qgoal本身时，或迭代次数t达到预设的最大迭代次数N时，停止迭代；否则，将所有可通行栅格的信息素进行蒸发，栅格g蒸发后的信息t素l′g(t)为：l′g(t)＝lg(t)(1‑σ) ；

其中σ为蒸发系数，lg(t)为栅格g蒸发前的信息素；

令t加一，将蚂蚁运动到的当前位置作为Qcurrent，跳转至步骤S2进行下一次迭代；

S11、迭代结束，根据路径表得到初始规划路径；

S12、对初始规划路径采用三角不等式优化，得到优化后的路径，作为最终规划路径。

2.根据权利要求1所述的智能抓钢机机械臂路径规划方法，其特征在于，所述步骤S6具体为：S6.1、以节点Qcurrent为圆心、以第一预设长度R为半径构成圆形区域，搜索树上位于所述圆形区域内的节点组成集合Vnear；以Vnear中的每个节点为圆形，第二预设长度dnear为半径，构成邻域集合VprtNearS6.2、计算节点Qcurrent到Qnew的路径代价Cmin：Cmin＝cost(Qcurrent,Qmin)+cost(Qmin,Qnew)其中cost(Qcurrent,Qmin)为Qcurrent到Qmin的直线距离，cost(Qmin,Qnew)为Qmin到Qnew的直线距离；

S6.3、遍历Vnear∪VprtNear中的节点，如果将节点Qnew的父节点替换为Vnear∪VprtNear中的节点Xnear后，如果缩短从Qcurrent到Qnew的路径长度，则将搜索树上Qnew的父节点替换为Xnear。

3.根据权利要求1所述的智能抓钢机机械臂路径规划方法，其特征在于，所述步骤S7具体为：对于从Qcurrent到Qnew路径上的每一个节点q，更新后的信息素为：lq(t+1)＝(1‑β)·lq(t)+Δlq(t)+Δlq*(t)其中t表示当前迭代次数，β为信息素挥发因子，lq(t)为节点q上一次迭代后的信息素，Δlq(t)为M只蚂蚁引起的信息素总增加量：Q为信息素总量，Lk表示第k只蚂蚁在上一次迭代

中走过的路径总长度；

Δlq*(t)为当前情况下最优路径的信息素浓度：Δlij*(t)＝λ·Δlij(t)，λ表示信息素浓度变化系数。

4.根据权利要求1所述的智能抓钢机机械臂路径规划方法，其特征在于，所述步骤S9具体为：S9.1、计算Qnew与Qgoal的连线与X轴的夹角θ，根据θ的值修正导向信息素参数μ：其中μ0为预设的修正导向信息素参数初始值；

S9.2、对θ进行矫正，矫正后的夹角θ′为：

其中xQgoal，yQgoal分别为目的位置Qgoal在二维场景中的横纵坐标值；xQnew，yQnew分别为节点Qnew在二维场景中的横纵坐标值；

S9.3、根据矫正后的夹角θ′得到矫正新节点Q′new，更新Q′new到Qgoal连线上可通行节点的信息素：设节点p为Q′new到Qgoal连线上的可通行节点，则p处更新后的信息素为：lp＝μl0，其中l0为步骤S1中可通行栅格的信息素初始值。

5.根据权利要求1所述的智能抓钢机机械臂路径规划方法，其特征在于，所述步骤S12具体为：按照路径表从目的位置Qgoal向起点Qstart进行回溯，依次检查每个节点与该节点父节点的父节点的直接连线是否与障碍物发生碰撞，如果没有发生碰撞，将该节点的父节点修改为其父节点的父节点，直至达到起点Qstart；从而得到从起点Qstart到目的位置Qgoal的规划路径。

6.一种智能抓钢机机械臂路径规划系统，其特征在于，包括：

二维场景建立模块，用于根据抓钢需求，获取机械臂二维工作场景，对所述二维工作场景进行栅格化处理，并设置每个栅格为可通行或障碍物；在可通行栅格喷洒等量信息素，即可通行栅格的信息素初始值相等，设为l0；获取机械臂的起点位置Qstart和目的位置Qgoal；如果从Qstart到Qgoal的直线路径没有碰触障碍物，则规划路径为从Qstart到Qgoal的直线段；否则，将Qstart作为RRT算法中搜索树的根节点，根据后续步骤确定规划路径；M只蚂蚁将起点Qstart作为当前位置Qcurrent；

随机点Qrand生成模块，用于根据蚂蚁的当前位置Qcurrent生成随机点Qrand；

最近节点Qmin生成模块，用于以随机点Qrand为起点，蚂蚁在信息素分布的可通行区域遍历Qrand周围所有的节点，找到距离Qrand最近的节点Qmin；

新节点Qnew生成模块，用于计算障碍物到节点Qmin距离的最小值L；如果L≥ρ，则蚂蚁运用定向扩展法运动到新节点Qnew，若L＜ρ，则以随机扩展法运动到新节点Qnew；ρ为蚂蚁的运动步长；

判断新生成的Qnew和近邻点Qmin是否与障碍物有碰撞，若没有碰撞则将新节点Qnew添加到树上，其父节点为Qmin，则发芽成功，并删除所有栅格的不可扩展标记；若碰撞了就剔除该新节点，生长作废，发芽失败，将Qmin对应的栅格标记为不可扩展，重新生成近邻点Qmin和新节点Qnew；

第一路径优化模块，用于优化Qcurrent到Qnew的路径；

第一信息素更新模块，用于更新Qcurrent到Qnew路径上的信息素；

路径表更新模块，用于将Qcurrent到Qnew的路径加入路径表；

第二信息素更新模块，用于更新Qnew到Qgoal范围的信息素；

控制模块，用于判断迭代是否停止；如果没有停止，将所有可通行栅格的信息素进行蒸发，并更新参数进行下一次迭代；

第二路径优化模块，用于对根据路径表得到的初始规划路径采用三角不等式优化，得到优化后的路径，作为最终规划路径。

7.根据权利要求6所述的智能抓钢机机械臂路径规划系统，其特征在于，所述第一路径优化模块优化Qcurrent到Qnew的路径的具体步骤为：S6.1、以节点Qcurrent为圆心、以第一预设长度R为半径构成圆形区域，搜索树上位于所述圆形区域内的节点组成集合Vnear；以Vnear中的每个节点为圆形，第二预设长度dnear为半径，构成邻域集合VprtNearS6.2、计算节点Qcurrent到Qnew的路径代价Cmin：Cmin＝cost(Qcurrent,Qmin)+cost(Qmin,Qnew)其中cost(Qcurrent,Qmin)为Qcurrent到Qmin的直线距离，cost(Qmin,Qnew)为Qmin到Qnew的直线距离；

S6.3、遍历Vnear∪VprtNear中的节点，如果将节点Qnew的父节点替换为Vnear∪VprtNear中的节点Xnear后，如果缩短从Qcurrent到Qnew的路径长度，则将搜索树上Qnew的父节点替换为Xnear。

8.根据权利要求6所述的智能抓钢机机械臂路径规划系统，其特征在于，所述第一信息素更新模块更新Qcurrent到Qnew路径上的信息素的具体步骤为：对于从Qcurrent到Qnew路径上的每一个节点q，更新后的信息素为：lq(t+1)＝(1‑β)·lq(t)+Δlq(t)+Δlq*(t)其中t表示当前迭代次数，β为信息素挥发因子，lq(t)为节点q上一次迭代后的信息素，Δlq(t)为M只蚂蚁引起的信息素总增加量：Q为信息素总量，Lk表示第k只蚂蚁在上一次迭代

中走过的路径总长度；

Δlq*(t)为当前情况下最优路径的信息素浓度：Δlij*(t)＝λ·Δlij(t)，λ表示信息素浓度变化系数。

9.根据权利要求6所述的智能抓钢机机械臂路径规划系统，其特征在于，所述第二信息素更新模块更新Qnew到Qgoal范围的信息素的具体步骤为：S9.1、计算Qnew与Qgoal的连线与X轴的夹角θ，根据θ的值修正导向信息素参数μ：其中μ0为预设的修正导向信息素参数初始值；

S9.2、对θ进行矫正，矫正后的夹角θ′为：

其中xQgoal，yQgoal分别为目的位置Qgoal在二维场景中的横纵坐标值；xQnew，yQnew分别为节点Qnew在二维场景中的横纵坐标值；

S9.3、根据矫正后的夹角θ′得到矫正新节点Q′new，更新Q′new到Qgoal连线上可通行节点的信息素：设节点p为Q′new到Qgoal连线上的可通行节点，则p处更新后的信息素为：lp＝μl0，其中l0为步骤S1中可通行栅格的信息素初始值。

10.根据权利要求6所述的智能抓钢机机械臂路径规划系统，其特征在于，所述第二路径优化模块优化初始规划路径的具体步骤为：按照路径表从目的位置Qgoal向起点Qstart进行回溯，依次检查每个节点与该节点父节点的父节点的直接连线是否与障碍物发生碰撞，如果没有发生碰撞，将该节点的父节点修改为其父节点的父节点，直至达到起点Qstart；从而得到从起点Qstart到目的位置Qgoal的规划路径。