| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-14页 |
| 第1章 绪论 | 第14-33页 |
| 1.1 选题背景和研究意义 | 第14-15页 |
| 1.2 输电线路除冰技术国内外研究现状 | 第15-18页 |
| 1.2.1 国内外主要除冰方法 | 第15-17页 |
| 1.2.2 除冰融冰技术发展方向 | 第17-18页 |
| 1.3 输电线路机器人国内外研究现状 | 第18-23页 |
| 1.3.1 输电线路巡线机器人 | 第18-21页 |
| 1.3.2 输电线路除冰机器人 | 第21-23页 |
| 1.4 机器人抓线控制问题分析及研究现状 | 第23-29页 |
| 1.4.1 越障过程中抓线控制问题 | 第23-27页 |
| 1.4.2 机器人抓线控制问题难点分析 | 第27-28页 |
| 1.4.3 越障抓线控制方法国内外研究现状 | 第28-29页 |
| 1.5 项目来源及本文的主要研究内容 | 第29-33页 |
| 第2章 输电线路除冰机器人数学模型 | 第33-49页 |
| 2.1 引言 | 第33页 |
| 2.2 除冰机器人运动学 | 第33-40页 |
| 2.2.1 机器人结构参数描述 | 第33-36页 |
| 2.2.2 三臂除冰机器人模型运动学 | 第36-38页 |
| 2.2.3 三臂式除冰机器人运动学 | 第38-40页 |
| 2.3 除冰机器人动力学 | 第40-48页 |
| 2.3.1 机器人动力学建模方法 | 第40-43页 |
| 2.3.2 三臂除冰机器人模型动力学模型 | 第43-44页 |
| 2.3.3 三臂式除冰机器人动力学模型 | 第44-48页 |
| 2.4 本章小结 | 第48-49页 |
| 第3章 除冰机器人抓线的离散空间增强学习控制 | 第49-73页 |
| 3.1 引言 | 第49页 |
| 3.2 增强学习相关理论研究 | 第49-54页 |
| 3.2.1 增强学习基本概念 | 第49-52页 |
| 3.2.2 增强学习方法分类 | 第52-54页 |
| 3.3 除冰机器人抓线控制中的增强学习问题 | 第54-57页 |
| 3.3.1 抓线控制问题描述 | 第54-55页 |
| 3.3.2 增强学习抓线控制系统设计 | 第55-57页 |
| 3.4 基于增强学习的抓线控制算法 | 第57-66页 |
| 3.4.1 基于 Q 学习的抓线控制算法 | 第57-60页 |
| 3.4.2 基于 SARSA 的抓线控制算法 | 第60-62页 |
| 3.4.3 基于 Q(λ)的抓线控制算法 | 第62-64页 |
| 3.4.4 基于 SARSA(λ)的抓线控制算法 | 第64-66页 |
| 3.5 基于增强学习抓线仿真研究 | 第66-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第4章 除冰机器人抓线的连续空间增强学习控制 | 第73-96页 |
| 4.1 引言 | 第73页 |
| 4.2 增强学习泛化问题分析和算法研究 | 第73-75页 |
| 4.3 KNN 算法 | 第75页 |
| 4.4 输电线为蔓叶线模型的抓线控制问题描述 | 第75-80页 |
| 4.4.1 抓线控制问题描述 | 第75-78页 |
| 4.4.2 增强学习抓线控制系统设计 | 第78-80页 |
| 4.5 连续状态-离散动作基于 KNN-SARSA(λ)抓线控制算法研究 | 第80-87页 |
| 4.5.1 算法流程 | 第80-82页 |
| 4.5.2 仿真研究 | 第82-87页 |
| 4.6 连续状态-连续动作基于 KNN-Q(λ)抓线控制算法研究 | 第87-94页 |
| 4.6.1 算法流程 | 第87-90页 |
| 4.6.2 仿真研究 | 第90-94页 |
| 4.7 本章小结 | 第94-96页 |
| 第5章 除冰机器人轨迹跟踪迭代学习控制 | 第96-123页 |
| 5.1 引言 | 第96页 |
| 5.2 迭代学习控制问题 | 第96-99页 |
| 5.2.1 迭代学习控制过程表述 | 第96-98页 |
| 5.2.2 迭代学习分析方法 | 第98-99页 |
| 5.3 除冰机器人 PD 控制 | 第99-103页 |
| 5.3.1 控制器设计 | 第100页 |
| 5.3.2 仿真研究 | 第100-103页 |
| 5.4 除冰机器人轨迹跟踪迭代学习控制 | 第103-107页 |
| 5.4.1 控制器设计 | 第103-104页 |
| 5.4.2 仿真研究 | 第104-107页 |
| 5.5 除冰机器人轨迹跟踪鲁棒自适应迭代学习控制 | 第107-122页 |
| 5.5.1 控制器设计 | 第107-110页 |
| 5.5.2 收敛性分析 | 第110-115页 |
| 5.5.3 仿真研究 | 第115-122页 |
| 5.6 本章小结 | 第122-123页 |
| 第6章 除冰机器人轨迹跟踪的神经网络自适应控制 | 第123-144页 |
| 6.1 引言 | 第123页 |
| 6.2 除冰机器人轨迹跟踪自适应控制 | 第123-134页 |
| 6.2.1 控制问题分析 | 第124-125页 |
| 6.2.2 模型不确定项的 RBF 网络逼近 | 第125-127页 |
| 6.2.3 控制器设计与分析 | 第127-130页 |
| 6.2.4 仿真研究 | 第130-134页 |
| 6.3 除冰机器人轨迹跟踪小波神经网络鲁棒控制 | 第134-143页 |
| 6.3.1 小波神经网络模型 | 第134-137页 |
| 6.3.2 小波神经网络鲁棒控制器设计 | 第137-139页 |
| 6.3.3 收敛性分析 | 第139-140页 |
| 6.3.4 仿真实验研究 | 第140-143页 |
| 6.4 本章小结 | 第143-144页 |
| 第7章 除冰机器人系统研制与实验 | 第144-161页 |
| 7.1 引言 | 第144页 |
| 7.2 除冰机器人机械结构设计 | 第144-146页 |
| 7.2.1 总体结构 | 第144-145页 |
| 7.2.2 主要部件设计 | 第145-146页 |
| 7.3 除冰机器人控制系统设计 | 第146-148页 |
| 7.3.1 控制系统功能 | 第146-147页 |
| 7.3.2 除冰机器人控制系统 | 第147-148页 |
| 7.4 输电线路除冰机器人关键技术分析 | 第148-155页 |
| 7.5 除冰机器人实验 | 第155-160页 |
| 7.5.1 实验室环境 | 第156页 |
| 7.5.2 除冰实验 | 第156-157页 |
| 7.5.3 控制实验 | 第157-160页 |
| 7.6 本章小结 | 第160-161页 |
| 结论与展望 | 第161-164页 |
| 参考文献 | 第164-174页 |
| 致谢 | 第174-175页 |
| 附录 A 攻读博士学位期间完成的学术研究论文 | 第175-176页 |
| 附录 B 攻读博士学位期间授权专利，参与的科研项目及获得的奖励 | 第176页 |
