两轮自平衡机器人作为一种本征不稳定轮式移动机器人,具有多变量、非线性、强耦合和参数不确定等特点,这使得它成为验证各种控制算法的理想平台。同时它运动灵活、结构简单,适于在狭小的空间工作,有着广泛的应用前景。两轮自平衡机器人能够完成多轮机器人无法完成的复杂运动及操作,特别适用于工作环境变化大、任务复杂的场合,如空间探索、地形侦察、危险品运输等,此外,还可以用于玩具、教育和服务机器人等领域。开展两轮自平衡机器人的研究对于提高我国在该领域的科研水平、扩展机器人的应用背景等具有重要的理论及现实意义。由于机器人的结构对于自平衡及运动控制具有重要的影响,因此本文研制了一种质量均布式定质心两轮自平衡机器人,该机器人运动灵活、抗干扰能力强。通过分析两轮自平衡机器人的运动规律,建立了机器人的运动学模型,得到了机器人动能、势能和耗散能的数学模型,并根据拉格朗日方程建立了机器人的动力学模型,为机器人控制策略的设计提供了理论依据。采用自适应控制算法设计了机器人自平衡控制器,实现了机器人的动态自平衡,提高了抗干扰能力,并通过仿真验证了算法在自平衡、抗干扰和调整时间上的优势。为了减少位姿估计误差的无限增长,提高机器人的定位精度,在分析两轮自平衡机器人感知系统用惯性传感器误差的产生机理以及误差的漂移特性的基础上,采用Levenberg-Marquardt最小二乘迭代拟合算法建立了惯性传感器的误差模型,并对其零点漂移进行了拟合。同时,针对机器人不同位姿状态的动态特性和非线性程度,提出了两级分散式异构卡尔曼滤波算法,实现了机器人的组合导航,并补偿了低成本惯性传感器的误差,从而得到机器人位姿的最优估计,保证了波精度和实时性。为了有效识别机器人的运行状态,实时的获得对机器人所处运行状态的判断,从而应用准确的运动控制算法,本文提出一种基于支持向量机的多传感器数据两级融合方法,解决了机器人运行状态识别正确率较低的问题,实验结果表明该算法可以对机器人的运行状态进行有效、可靠的识别。针对两轮自平衡机器人运行过程中遇到打滑、越障、碰撞等异常事件,位姿估计失效的情况,提出一种Accodometry方法,结合改进的Gyrodometry方法,通过融合码盘、陀螺仪与加速度计数据对机器人的位姿进行估计,实现了机器人的准确定位,解决了非系统定位误差对机器人位姿估计的影响,降低了陀螺仪、加速度计固有漂移的不利影响,提高了两轮自平衡机器人的定位精度。实验验证了Accodometry方法的有效性,结果显示与测程法误差相比位置误差降为1/3,方向误差降为1/6。为了有效使用有限的电池容量,延长机器人的运行时间,针对机器人能量消耗问题,通过比较几种减少能耗的方法,并根据机器人动力学模型,建立了系统的能耗模型。由于能量函数具有指数形式,很难获得解析解最小化能耗函数,因此提出了基于自适应伪并行遗传算法的伪分布式渐进优化策略对机器人的能耗进行优化,通过全局寻优的方式对机器人的运动速度和能量消耗进行优化,解决了能量优化问题。提出了一种有效的归一化组合度量算子来度量种群多样性,并且结合了最佳个体保留、期望值选择法、改进的自适应遗传算法确定交换概率与变异概率和自适应伪并行遗传算法等措施改进了遗传算法存在的早熟、局部收敛和收敛速度慢的缺陷,提高了遗传算法的性能。实验结果验证了算法的有效性和实时性。最后,建立了两轮自平衡机器人的仿真及硬件实验系统,通过实验验证了机器人的基本运动功能,分别进行了自平衡控制、抗干扰、速度跟踪、直线越障以及碰撞实验,实验结果显示所设计的两轮自平衡机器人能够满足实时地动态特性要求,验证了两轮自平衡机器人结构设计的合理性以及机器人导航、运动、能量优化控制策略的有效性。