旋翼飞行机器人由于其垂直起降、定点悬停、低空低速飞行的飞行特性成为架空电力线路巡检的有效手段。电力杆塔作为输电线路最核心部分，对其图像数据采集的效果决定了整个巡检任务的完成质量。而使用旋翼飞行机器人巡检电力杆塔普遍存在飞机和杆塔安全无法保障、飞行时间有限数据采集不全面、图像数据的可用性低以及容易受到干扰等问题。针对以上问题，本文提出了一种基于强化学习的电力杆塔巡检方法。　　本文首先将视点规划概念引入巡检任务。深入分析了电力杆塔的外形特征，针对杆塔的结构特征建立了安全区域模型，充分保障巡检过程中飞机和电塔的安全。在此基础上对视点进行抽取，划分了电力杆塔周围的广义视点和有效视点范围。实验结果表明，对巡检视点进行有效规划，使巡检路径控制在有效视点周围内，能够有效提高图像数据的可用性。　　本文通过强化学习算法对巡检行为进行规划。通过对巡检任务的分解，制定强化学习任务目标。本文重点分析在理想环境、随机干扰环境以及阵风扰动环境下的视点转移策略学习过程以及算法效率。实验结果表明，经过强化学习，飞行机器人能够大幅度缩短巡检任务完成时间，能够很好地适应随机扰动和阵风扰动环境，根据环境的变化做出相应的行为。实验同时证明，在提高巡检速度降低飞机能耗的同时，规划后的行为还能够降低图像数据的冗余度，为后续的故障检测提供高质量的图像数据。　　本文研究的电力杆塔巡检方法为输电线路巡检提供了新的思路。通过引入强化学习进行视点规划，能够在最短的时间内访问到最有可能包括电力杆塔故障信息的视点位置，最大程度上节省了飞行时间，同时保证采集到的图像数据的质量，对于输电线路故障检测及日常维护都具有重要意义。