基于knn算法的除冰机器人抓线控制.docxVIP

基于knn算法的除冰机器人抓线控制 1 基于knn–ssa的自主越障控制算法 由于工作环境的特殊性，如何实现电网行业机器人的自主故障控制是研究的难点之一。目前，科学家在故障机器人领域进行了相关研究，并取得了一些进展：文献采用计划层的方法，在操作计划和动作计划两个层次上实施了机器人的故障预测器，并将在线计划与机器人的故障预测器进行了组合，以实现机器人的自主控制。文献[6-7]基于图像的视觉服从和视觉控制，在故障情况下可以更好地解决故障时的自主跟踪控制问题。该方法使用电子显微镜技术进行处理，并且没有对强磁场干扰问题。与移动机器人相比，除冰机器人的工作环境更差，控制难度更高。复杂线路条件下，无必要对输入线机器人的独立故障控制（如穿过线塔）进行复杂的研究。因此，根据现有的研究方法，有必要对电压-线机器人的故障控制进行进一步的研究。 增强学习算法是一类重要的机器学习方法,其特点是可以不需要系统模型而实现无导师的在线学习,并且具备与环境交互获取评价性反馈信号进而实现行为决策优化的能力.作为一种简单有效的在线学习算法,在提高算法本身实时性能的基础上,增强学习算法不失为解决除冰机器人抓线控制的一种可能的途径.然而,现有的理论研究结果主要针对小规模、离散状态空间问题,对大规模和连续空间的优化决策问题通常难以保证算法的收敛性,且存在学习效率不高等缺点.而许多工程应用问题都具有大规模或连续的状态和决策