高压输电线长期暴露于风吹日晒雨淋的恶劣环境中,因此线路金具容易发生锈蚀,绝缘子串易损坏,故需要进行定期的巡检以及维护。相较于人工巡检,跨越式巡检机器人可以降低巡检成本;相较于无人机巡检,其具有续航里程大,平台扩展性好的优点。本文以该机器人为研究对象,探索更好的越障方法。分析现有越障方法和技术中存在的适应性低的缺点,提出了基于云模型的遗传蚁群算法,求解机器人的逆运动学问题,使得机器人可以根据结构及尺寸信息得到相应的关节位移量和电机转数。针对原方法中代码重复率高,程序耦合度高以及初始姿态依赖性的缺点,通过相关技术,简化机器人越障步骤的配置,提高运行的适应性。本文的主要工作和成果如下:（1）基于云模型的遗传蚁群算法。将遗传算法与蚁群算法通过网格划分的策略使二者相结合。使其一方面具有较强的全局搜索能力,减少了“早熟”现象的发生,同时也有良好的局部搜索性能。另外针对遗传算法在进化过程中出现的种群多样性降低的问题,使用适应度尺度值变换的方法来增强种群多样性。针对遗传算法交叉算子和变异算子中参数选取的复杂性问题,引入云模型,实现参数的自适应,从而进一步提升算法的性能。用一系列测试函数对算法进行性能测试,并与遗传算法,遗传蚁群算法和粒子群算法进行对比说明其优势。（2）机器人逆运动学模型的建立与求解。通过机器人自身机械结构与坐标变换的方法,得到末端执行器相对于基坐标系的位姿矩阵。利用该矩阵与理想位姿矩阵的差的1-范数来表示误差。将此误差作为寻优函数,利用基于云模型的遗传蚁群算法进行最小值求解。并以本文研究对象进行实例说明,得到了姿态误差与位置误差,证明了该方法能运用于逆运动学的求解之中。（3）机器人越障控制策略的确定与实现。根据塔型的不同采用不同的方式越障。使用XML文件与“拦截器栈”的思想,实现了步骤配置的简化,并将机器人越障步骤与越障中的关节位移量相互分离,降低程序的耦合。根据杆塔结构和线路参数,将利用算法得到的关节位移量映射到所对应的电机转数上。使用运动控制块的数据结构,进行姿态的记录,省去程序中奇偶臂的判断环节。