1.一种机械臂避障轨迹规划方法，其特征在于，包括：

求取正向虚拟力轨迹和反向虚拟力轨迹；其中，所述正向虚拟力轨迹基于机械臂的初始示教轨迹求取，所述反向虚拟力轨迹基于新任务的位置信息求取；

根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；

在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；

根据所述模型参数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹；

所述求取正向虚拟力轨迹和反向虚拟力轨迹，包括：

基于动态运动基元法对应的计算式以及多条示教轨迹，确定对应的多条初始虚拟力轨迹；

使用最大期望算法对所述多条初始虚拟力轨迹进行处理，得到初始高斯混合模型；

利用高斯混合回归从所述初始高斯混合模型中还原出中间虚拟力轨迹，并将所述中间虚拟力轨迹、新任务的位置信息代入所述计算式，得到所述机械臂末端执行器的正向轨迹；

在所述正向轨迹不满足避障要求时，将所述正向轨迹代入所述计算式中，得到所述正向虚拟力轨迹；

获取所述新任务的位置信息；所述位置信息包括起点信息和终点信息；

根据所述起点信息和所述终点信息得到所述新任务对应的直线路径，并对所述直线路径进行均匀采样，得到反向示教轨迹；

将所述反向示教轨迹代入所述计算式，得到所述反向虚拟力轨迹。

2.根据权利要求1所述的方法，其特征在于，所述根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数，包括：确定偏好参数；所述偏好参数表征使所述避障轨迹对应的虚拟力轨迹趋近于所述正向虚拟力轨迹或者所述反向虚拟力轨迹；

根据所述偏好参数改进初始最大似然函数，得到所述中间高斯混合模型中的最大似然函数。

3.根据权利要求2所述的方法，其特征在于，所述最大似然函数的表达式包括：其中，λ表征所述偏好参数，λ的取值范围为[0，1]；P表征概率密度函数，表征所述中间高斯混合模型的模型参数，FM+1表征所述正向虚拟力轨迹，FM+2表征所述反向虚拟力轨迹。

4.根据权利要求2或3所述的方法，其特征在于，基于以下步骤确定所述中间高斯混合模型对应的模型参数：基于初始高斯混合模型的模型参数，计算所述正向虚拟力轨迹以及所述反向虚拟力轨迹分别来自所述初始高斯混合模型的第K个子模型的概率；

迭代计算每个子模型的期望、方差以及在所述初始高斯混合模型中发生的概率，得到所述中间高斯混合模型的模型参数。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹，包括：在预设调整区间内调整所述模型参数的权重，得到连续变化且与所述示教轨迹形状一致的轨迹簇；

将所述轨迹簇中满足避障要求的轨迹确定为所述避障轨迹。

6.一种机械臂避障轨迹规划装置，其特征在于，包括：

求取模块，用于求取正向虚拟力轨迹和反向虚拟力轨迹；其中，所述正向虚拟力轨迹基于机械臂的初始示教轨迹求取，所述反向虚拟力轨迹基于新任务的位置信息求取；所述求取正向虚拟力轨迹和反向虚拟力轨迹，包括：基于动态运动基元法对应的计算式以及多条示教轨迹，确定对应的多条初始虚拟力轨迹；使用最大期望算法对所述多条初始虚拟力轨迹进行处理，得到初始高斯混合模型；利用高斯混合回归从所述初始高斯混合模型中还原出中间虚拟力轨迹，并将所述中间虚拟力轨迹、新任务的位置信息代入所述计算式，得到所述机械臂末端执行器的正向轨迹；在所述正向轨迹不满足避障要求时，将所述正向轨迹代入所述计算式中，得到所述正向虚拟力轨迹；获取所述新任务的位置信息；所述位置信息包括起点信息和终点信息；根据所述起点信息和所述终点信息得到所述新任务对应的直线路径，并对所述直线路径进行均匀采样，得到反向示教轨迹；将所述反向示教轨迹代入所述计算式，得到所述反向虚拟力轨迹；

最大似然函数确定模块，用于根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；

引入模块，用于在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；

避障轨迹确定模块，用于根据所述模型参数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹。

7.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-5任一所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-5任一所述的方法。