电力巡检机器人(powerlineinspectionrobot,PLIR)是一类巡查高压线路的机器人，主要由攀爬机构和自平衡机构构成，该攀爬机构采用的是双臂结构，用于跟踪电缆，而自平衡机构采用的是2R机械臂机构，可以使机器人在运动中保持平衡。

  随着电网朝着大容量和超高压方向发展，传统的人力巡检方式很难适用于复杂的电力系统中，而PLIR凭借巡检成本低、安全性高、近距离高精度巡检等优点，已经逐步大规模地应用到电网中。

  由于PLIR属于一类非线性的欠驱动系统，且具有强耦合性和易受干扰的特点，使其对控制器的设计的基本要求很高，因此设计一种保障PLIR稳定巡检的抗干扰控制器有着重要意义和实用价值。

  目前，欠驱动系统控制策略已经受到国内外学者的广泛研究，常用的操控方法有输出反馈控制、反步控制、滑模控制等。

  建立了PLIR的非线性动力学模型，然后针对干扰不在输入通道的PLIR线性化模型设计了基于干扰观测器的自适应反演滑模控制，并进行了稳定性证明。

  相对于反演滑模策略(backsteppingslidingmodecontrol,BSMC)，本文提出的DOABSMC能有效提高系统的抗干扰性，降低系统的输入抖振，跟踪性能效果更佳。

  本文的PLIR工作模式为线加载模式，当PLIR从绝缘接入电缆移动到电力电缆上，基于调整质心原理，机器人能通过展开平衡器进行倾斜，并可以举起其中一个运动臂。

  当其中一个双臂被举起时，机器人只被另一只手臂悬挂，并通过平衡器保持平衡，从而PLIR平稳地接入到电缆。其整体结构及运行方式如图1所示。

  图中，θ1为PLIR与X1轴之间的倾斜角，θ2为主动关节旋转的角度，点(1)为PLIR的质心，点(2)为配重箱的质心，m1为PLIR的质量，m2为配重箱的质量，h1为电缆与PLIR质心之间的距离，h20为配重箱质心到Y1O1Z1平面的距离，l为执行器机构杆的长度，d为T型底座高度。

  式中：u1代表外部干扰，最重要的包含风、电线摇晃、摩擦等其他干扰；u2为作用于主动关节的扭矩。

  由于自平衡质心机构调节量θ2(t)能够直接抵消外部干扰的影响，因此只需考虑u1对θ1(t)的影响。

  令[x1x2x3x4]T=[θ1θ1θ2θ2]，能够获得PLIR平衡调节过程中的状态方程为

  其中，u1值随着PLIR所受外部环境干扰的变化而变化，u2通过系统耦合性间接控制θ1。

  为了克服外部干扰对系统的影响，设计了一种基于干扰观测器的自适应反演滑模控制器。

  BSMC对控制管理系统的不确定性以及外部干扰具有一定的鲁棒性，而干扰观测器可以估计和补偿外部干扰，并引入自适应律可以轻松又有效地处理外部干扰上界难以确定性问题。其控制管理系统框架如图3所示。

  基于反步控制的标称点线性化模型：本文采用反演滑模控制策略[14]来设计PLIR运动平衡调节控制器。

  由式(17)可知，x3的求解在计算上是不可行的。未解决这个问题，将状态方程（式(7)）线性化，以便于应用反步技术。

  由式(22)可知，PLIR是一个1输入4输出的强耦合性欠驱动系统且干扰不在输入通道中，采用一般控制方法很难保证控制性能。

  而反演滑模控制结合了反演法的递归设计以及滑模面设计，可以有明显效果地地处理欠驱动系统，因此本文基于反演滑模控制器的设计实现控制律的求解。

  干扰观测器设计：对于PLIR系统，想要准确地测量出外部干扰是十分困难的。本文通过干扰观测器对干扰进行估计，干扰观测器的表达式为

  式中：参数Q0决定观测器的收敛精度，z为中间变量，Fˆ为干扰估计值。

  由式(27)可知，当误差动态是稳定的，干扰观测器估计的误差就会趋近0。然后设计参数Q，则干扰估计值就能以指数函数级逼近真实干扰。

  自适应反演滑模控制器：为了尽最大可能避免干扰观测器可能由于部分外部干扰未得到一定效果补偿，以此来降低总系统的控制精度，因此在干扰观测器后引入自适应反演滑模对未补偿的外部干扰进行控制。

  稳定性分析：定理1采用滑模控制律式(48)、自适应律式(50)，能够保证系统的状态变量误差渐近稳定。

  为了验证本文所提控制方案的可行性和抗干扰性，分别用DOABSMC和BSMC完成PLIR运动平衡调节控制，并将仿真结果进行对比。

  仿真方案分别为小干扰环境、突变大干扰环境、质量变化和突变大干扰环境三种情况。BSMC的参数为c1=0.5，c2=0.5，c3=0.5，k1=30，k2=30，k3=30。

  DOABSMC中的BSMC与BSMC参数相同，线性干扰观测器的参数Q=10，自适应律的参数r=0.5。

  控制目标是当系统受到外界扰动和参数变化的影响，通过所提出的控制方案能够使PLIR稳定地跟踪到期望轨迹。

  PLIR在运动平衡调节过程中所设定的期望轨迹为x1d=0.1sin(0.3πt)。

  为了更加直观地体现出不同操控方法的轨迹跟踪性能，采用了三种评价函数(IAE、ISE、ITAE)对θ1的误差进行定量评价。

  PLIR在外部环境工作时，一直都会受到风、电线的摇晃、摩擦等其它干扰的影响，将其视为系统总的不确定性小干扰为2+0.5sin(0.4πt)。仿线所示。

  从图4、图5和表2中可知，当外部干扰较小时，DOABSMC和BSMC都能够保障PLIR的平稳运行且能较吻合地追踪上理想轨迹，主要由于反演滑模本身就具有一定的鲁棒性。

  然而DOABSMC的轨迹跟踪误差更小，表明了相对于BSMC，DOABSMC具有更加好的控制性能。

  当突然遇到短暂的大风天气，外部风速的突增，在8~10s时突加一个外部大干扰20sin(t)。

  从图6、图7和表3中可知，当系统在第8s遇到突变的大干扰时，BSMC不能继续跟踪到理想轨迹，而DOABSMC也会产生一定的轨迹跟踪误差，但明显小于BSMC。

  DOABSMC能够马上跟踪上理想轨迹，而BSMC还需要一定的调节时间跟踪上理想轨迹。

  相对于BSMC，DOABSMC具有更强的抗干扰性，可以更加好应对突变的大干扰情况。

  从图8中可知，干扰观测器可以有明显效果地地观测到外部干扰，即使8~10s遇到突变的大干扰，干扰观测器依旧能够准确观测外部干扰。

  从图9中可知，在8~10s时，系统受到突变大干扰的影响，BSMC和DOABSMC都有一定的输入波动，但DOABSMC恢复到稳定状态的时间更短。

  这是由于干扰观测器对外部干扰进行估计和补偿，将外界干扰误差引入到自适应律，通过自适应律对滑模的切换增益进行动态调整，有效地降低了系统的输入抖振。

  为了更加全面地了解所提控制器的控制性能，PLIR在经历突变大干扰的同时，质量也发生了一定的变化，m1从63kg变到53kg，m2从27kg变到22kg。

  从图10、图11和表4中的仿真结果可知，当系统参数发生明显的变化时，即使面对复杂的外部干扰环境下，本文所提出的控制器依旧能够保持很好的控制性能，可以完全克服系统中的参数变化。

  本文针对PLIR受外部干扰和参数变化的运动平衡调节问题，设计了一种基于干扰观测器的自适应反演滑模控制策略。

  通过干扰观测器对外部干扰进行预估和补偿，来消除外部干扰的影响。同时结合具有一定的鲁棒性的反演滑模控制，并引入自适应律，动态调整反演滑模切换项的增益，削弱系统的抖振。

  仿真根据结果得出，该控制策略具有较强的抑制干扰能力，削弱了系统的抖振，提高系统的轨迹跟踪精度。