针对RRT*算法在机械臂路径规划效率、路径质量及复杂环境下避障能力等方面存在的不足，提出一种改进人工势场的双向RRT*机械臂自适应路径规划算法(Tangential Dynamic Artificial Potential Field-RRT*，TDAPF-RRT*)。首先结合起始点与目标点构建自适应三维采样盒，引入密度感知拒绝机制，抑制局部冗余采样，提高采样点质量。然后基于滑动窗口统计近期目标偏置扩展的失败率，自适应调整目标偏置概率，加快收敛速度；改进吸引力与斥力并引入切向力，在排斥障碍物的同时沿可行方向提供切向滑移引导，增强复杂障碍物环境下的稳定绕障能力；最后，对生成的原始路径进行剪枝，并采用三次B样条曲线平滑处理，提高机械臂运行的连续性与稳定性。在复杂环境中的仿真实验结果表明，TDAPF-RRT*算法相较于RRT*算法，路径规划长度缩短了13.10%、平均节点数减少了86.22%，路径规划运行时间降低了88.11%，平均路径转向角度减小了31.29%。在Elite EC612机械臂实验平台上的结果表明，与RRT*算法相比，完成完整路径规划总运行时间降低了50.04%，进一步证明了该算法的有效性与可行性。