电力输电线路覆冰引起线路跳闸、断线、倒杆和通信中断等重大事故,已经成为许多国家电网共同面临的挑战问题。采用机器人除冰具有无人员伤亡、无需停电和转移负载等优点,无需除冰作业时,还可作巡线用途,其发展前景广阔。除冰机器人控制中的核心问题是如何实现对越障机械手的精确控制,由于除冰机器人是一个高度非线性和强耦合的时变系统,并且工作环境非常恶劣,其控制难度较大。传统的机械手控制方法有计算力矩控制,自适应控制,滑模控制等。其中自适应控制的优点在于其结构相对固定,并且参数选取灵活,对于处理结构不确定性问题非常有效,并且在一个有限的范围内维持统一的良好控制,但是它并没有解决非结构化的不确定性问题。滑动控制方法处理不确定性问题非常有效,并且具有快速的瞬态响应,但是其控制效果不连续,有可能产生高频的抖动等问题。从二十年前至今,机器人智能控制的发展越来越受人关注。常用的智能控制方法例如神经网络控制、模糊控制等,可以使非线性函数达到任意精度。因此可以在控制器中使用该特性来模拟复杂的过程,对非结构的不确定性进行补偿。然而,机器人的智能控制技术仍然是一个非常具有挑战性的研究领域。本文的主要工作和创新点如下：1.本文推导了除冰机器人的数学模型,该模型可在实际中广泛应用。2.本文中提出了一个改进的基于神经网络的控制器,并将其成功应用于除冰的机器人控制系统。在大部分现有的关于机器人控制的文献中,通常不考虑电机的动态特性,以简化控制系统设计。但是在完整的机器人动力系统中,电机的动态特性起着关键作用,尤其在系统高速运转、负载剧烈变化、摩擦力和激励饱和影响严重的情况下,电机的动态特性更为关键。因此,机器人和电机的动态特性之间所存在的联系不能忽略。本文提出的控制方法可以较好地解决除冰机器人含电机特性的控制问题。3.本文设计了一个基于智能控制系统算法的N连杆的机械手的位置控制系统。该系统通过具有自我学习能力的神经网络和人类直觉来补偿动态模型的不确定性和外部干扰。4.本文提出了一种用来控制除冰机器人重复操作的新方法。近年来,在控制理论研究领域,迭代学习控制器的发展相对成熟,成为一种常用的智能控制方法,通过固定时间间隔的重复迭代操作可以有效提高系统的暂态性能。本文将上述几种控制方法的优点结合起来,获得了良好的跟踪性能。这种混合控制方法的体系结构描述为：(1)该控制方法通过机械臂在控制器的迭代离线操作中不断地学习；(2)该控制器由两部分组成：PD反馈部分、使用先前迭代得到的转矩信息的反馈前向学习部分；(3)PD反馈法中的增益根据与迭代有关的增益切换策略来调整。5.本文针对三关节除冰机器手的控制问题提出了一种新型自组织的单输入小脑模型关节控制方法(S-CMAC),实现了高精度的位置跟踪。该控制器结合了S-CMAC的优点,并且不需要先验的记忆空间,自组织的方式体现了自动生成和输入层自动修剪的特性。所提出的自组织S-CMAC规则可以应用在实时系统中。6.本文提出了一种的自适应小波模糊CMAC(WFCMAC)机器人控制系统。该控制方法成功应用于三关节除冰机器手中,实现了高精度的位置跟踪。该控制系统结合了模糊推理系统与CMAC、小波分解与自适应单输入模糊的补偿的优点,消除WFCMAC与稳定的理想控制器之间的近似误差。7.本文提出一种新型的单输入周期性小波CMAC(S-RWCMAC)的控制方法。在三连杆除冰机械手控制中,采用单输入动态WCMAC的控制方法,实现了高精度轨迹跟踪。该控制方法由一个自适应的S-RWCMAC、一个监督控制器和一个自适应鲁棒控制器组成。S-RWCMAC是主控制器,自适应鲁棒控制器是用来消除近似误差的影响。通过梯度下降学习方法推导出的S-WCMAC参数的在线调整规则可能造成控制系统的不稳定性,尤其是短期性能。因此,本文在自适应S-RWCMAC基础上,增加了监督控制器使系统的状态在一个预定义的约束范围内变化。如果自适应S-RWCMAC不能将系统状态维持在一个预定义的约束范围内,则监督控制器将开始作用于系统,将系统的状态调整至预定义的约束范围内。本文所提出的控制方法成功应用于新型除冰机器手控制中,仿真实验和现场实验结果表明,所提出的控制方法能够实现高精度位置跟踪的特性。