輸電線路除冰機器人抓線智能控制方法研究.pdf

1、嚴重的高壓輸電線路覆冰會導(dǎo)致桿塔傾斜、倒塌、斷線及絕緣子閃絡(luò),由此引起的線路跳閘、供電中斷等事故給工農(nóng)業(yè)生產(chǎn)和人民生活造成嚴重影響。采用機器人除冰具有無人員傷亡、無需停電和轉(zhuǎn)移負載等優(yōu)點,無需除冰作業(yè)時還可作巡檢用途,其發(fā)展前景廣闊。
　　輸電線除冰機器人工作在柔性輸電導(dǎo)線上,在運行過程中需要翻越各類障礙物。受到環(huán)境風載等外部因素和機械振動等內(nèi)部因素的影響,都可能造成越障過程中出現(xiàn)脫線情況,要實現(xiàn)除冰機器人自主抓線難度較大。常規(guī)的

2、控制方法難以保證自主抓線控制精度,存在過于復(fù)雜、無法保證控制實時性等問題。所以,設(shè)計滿足控制精度要求、簡單可靠、實時性好、便于實現(xiàn)的機器人手臂抓線控制方法是除冰機器人關(guān)鍵技術(shù)之一。本論文圍繞該技術(shù)開展了深入的研究,主要研究工作如下:
　　1.論文對除冰機器人越障過程中抓線控制問題的難點進行分析,基于除冰機器人三關(guān)節(jié)手臂的結(jié)構(gòu)特征,建立了三關(guān)節(jié)手臂的運動學和動力學模型,該模型在本文并且可在相關(guān)研究中得到應(yīng)用。
　　2.論文提出

3、一類離散空間基于增強學習的抓線控制方法。根據(jù)經(jīng)典增強學習控制方法可在線學習、易于實現(xiàn)的特點,論文提出基于Q學習、SARSA學習的抓線控制方法,并結(jié)合資格跡方法提出基于Q(λ)學習和基于SARSA(λ)學習的抓線控制算法。論文對所提算法進行了仿真實驗和比較,實驗表明基于經(jīng)典增強學習的抓線控制算法是有效的,能夠在多次迭代后找到“目標點”,能夠解決外界惡劣環(huán)境干擾未知和手臂末端姿態(tài)的不確定性帶來的控制問題。
　　3.論文提出一類連續(xù)空間

4、基于增強學習的抓線控制算法。針對經(jīng)典增強學習算法對大規(guī)模和連續(xù)空間的優(yōu)化決策問題難以保證算法收斂性以及存在學習效率不高的缺點,論文研究在輸電線等效為蔓葉線模型的情況下,提出一類采用KNN算法結(jié)合資格跡的增強學習KNN-SARSA(λ)算法,實現(xiàn)連續(xù)狀態(tài)-離散動作、連續(xù)狀態(tài)-連續(xù)動作的抓線控制。仿真結(jié)果表明,基于KNN-SARSA(λ)的改進抓線控制算法能夠解決二維空間內(nèi)狀態(tài)和動作輸出的連續(xù)化表達問題,與傳統(tǒng)增強學習控制方法相比,進一步提

5、高了控制精度,具有良好的泛化能力和學習效率。
　　4.論文提出一類基于迭代學習的除冰機器人軌跡跟蹤控制方法。針對除冰機器人可以根據(jù)手臂末端與目標點的位置誤差,采用抓線策略不斷調(diào)整抓線手臂的動作,具有重復(fù)性的特點,提出一種魯棒自適應(yīng)迭代學習控制器,使之在PD控制器的基礎(chǔ)上,隨著作業(yè)任務(wù)的重復(fù)執(zhí)行不斷提高軌跡跟蹤精度。該方法對處理器的計算和存儲資源消耗低,可以實現(xiàn)干擾為不重復(fù),包含線性化殘差的不確定機器人動力學系統(tǒng)的魯棒控制。仿真和實

6、驗表明該方法能夠進一步提高軌跡跟蹤精度。
　　5.論文提出一類除冰機器人不確定項RBF神經(jīng)網(wǎng)絡(luò)逼近自適應(yīng)控制方法。除冰機器人是一個非線性、強耦合復(fù)雜系統(tǒng),控制難度較大。該方法采用計算力矩方法和神經(jīng)網(wǎng)絡(luò)補償控制器相結(jié)合的控制方案,推導(dǎo)了神經(jīng)網(wǎng)絡(luò)權(quán)值自適應(yīng)調(diào)整律,證明了系統(tǒng)的穩(wěn)定性和誤差的收斂性。補償控制器的設(shè)計基于徑向基神經(jīng)網(wǎng)絡(luò),可以在線修正機器人模型誤差,具有較好的適應(yīng)性。仿真實驗結(jié)果表明該方法有較好的軌跡跟蹤性能和魯棒性能。