随着近年来人工智能的快速发展,巡检机器人开始越来越多地被应用在服务、军事等行业中。针对不同的应用场景,有不同类型的巡检机器人。本文主要研究一种室外巡检机器人,对其巡检方案、系统设计、控制方法等问题开展研究,旨在给出一套较为完整的巡检机器人设计方案。论文首先介绍并验证了一种基于GPS的巡检方案,针对此方案的局限性,基于同步建图与定位(SLAM)分别研究并提出了巡检机器人的建图及定位方法,并在此基础上进一步提出了基于迭代学习控制的巡检控制方法,具体研究内容包括:1.依托和中国科学院某研究所的合作项目,以一种电力巡检车为试验平台,完成了一套基于GPS的巡检系统。通过实验,验证了该方案在空旷场景下的有效性;2.针对GPS巡检系统易受建筑物遮挡、信号不稳定等缺点,设计并构建了一种基于子图(submap)的建图算法,为激光里程计增加闭环检测和闭环优化功能。此外,采用多线程加速提高点云匹配速度。实验结果表明该迭代建图算法能够构建较高精度的点云地图;3.提出基于IMU的松耦合定位系统,采用预积分技术,实时预测位姿,加快算法收敛,并且不需要运动学模型。在后端滑动窗口优化中,加入IMU预积分残差项和先验位姿约束,估计IMU偏置。实验表明该松耦合系统能够实现精确的位姿估计,提高了重定位精度;4.在原有二次准则迭代学习控制方法的基础上进行改进,目前的方法大多只使用了位置信息,对此,在目标函数中加入速度指标,推导获得改进二次准则迭代学习控制律的闭式解,并对算法收敛性进行了理论分析。此外,针对机器人系统存在的参数不确定等问题,进一步引入了状态估计和参数估计方法,提高控制性能。通过实验对改进二次准则迭代学习控制的收敛性能进行了验证,并将其应用于巡检机器人的跟踪控制。