数字技术与应用杂志社

摘要：<正>本文提出了一种基于元强化学习的电力巡检机器人运动控制系统设计方案。该系统建立了麦克纳姆轮全向平台和履带式移动机构的精确动力学模型，采用“激光-视觉”紧耦合同步定位与建图（SLAM）框架实现环境感知，并通过改进YOLOv7算法提升电力设备识别精度。核心算法采用融合TD3与MAML的元策略网络，结合分层强化学习架构实现导航、避障与设备检测的协同优化。实验结果表明，该系统可在5 kV/m电磁干扰环境下保持稳定运行，动态障碍物密度0.3个/m2时的导航成功率超过91%，传感器失效时的定位精度损失控制在15%以内，满足电力巡检作业的精度与可靠性要求。该方案已通过国家电网相关标准测试，在500 kV变电站应用中展现出良好的适应性和可靠性。

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业;自动化技术

分类号： TP242;TM73