輸電線路除冰機器人抓線智能控制方法研究.pdf_第1頁
已閱讀1頁,還剩177頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、嚴重的高壓輸電線路覆冰會導致桿塔傾斜、倒塌、斷線及絕緣子閃絡,由此引起的線路跳閘、供電中斷等事故給工農業(yè)生產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,存在過于復雜、無法保證控制實時性等問題。所以,設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鍵技術之一。本論文圍繞該技術開展了深入的研究,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節(jié)手臂的結構特征,建立了三關節(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研究中得到應用。
  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整抓線手臂的動作,具有重復性的特點,提出一種魯棒自適應迭代學習控制器,使之在PD控制器的基礎上,隨著作業(yè)任務的重復執(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,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神經網(wǎng)絡逼近自適應控制方法。除冰機器人是一個非線性、強耦合復雜系統(tǒng),控制難度較大。該方法采用計算力矩方法和神經網(wǎng)絡補償控制器相結合的控制方案,推導了神經網(wǎng)絡權值自適應調整律,證明了系統(tǒng)的穩(wěn)定性和誤差的收斂性。補償控制器的設計基于徑向基神經網(wǎng)絡,可以在線修正機器人模型誤差,具有較好的適應性。仿真實驗結果表明該方法有較好的軌跡跟蹤性能和魯棒性能。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論