自主能力是传统的工业机器人向今天更具智能的先进机器大发展的最重要的使能技术之一。而实时建模与自主适应控制则是实现机器人自主能力的最为关键的两种技术。本文以中科院沈阳自动化所自行研制的正交全方位轮式移动机器人为实验平台，深入系统的研究了自主机器人基于UKF的在线建模技术及控制方法。　　 首先，深入地研究了UKF算法，并证明了其稳定性。阐述了U变换的基本原理，对U变换的精度进行了分析，阐述了随机过程有界的概念。介绍了标准UKF算法和平方根UKF算法。在此基础上，提出了UKF基本算法的稳定性条件，并给出了相应的证明过程，为UKF算法的应用奠定了理论基础。　　 其次，研究了基于UKF的非线性系统实时状态和参数联合估计方法，提出了基于UKF主动建模的控制方法。在联合估计中，将系统中的时变参数与其真实状态联合，组成增广状态向量，再利用UKF对该增广状态进行估计，从而得到状态和参数的估计值。基于UKF主动建模的控制方法，是将上述状态/参数联合估计方法与逆动力学控制相结合，实现针对机器人自身参数不确定性的自适应控制。仿真结果表明，UKF算法对系统状态和参数的变化具有良好的估计性能，所提出的控制方法能够有效的克服时变参数对系统控制性能的影响。　　 第三，研究了基于UKF的故障在线辨识与容错控制方法。提出了一种针对驱动器故障的参数化模型表达方法，利用UKF联合估计方法对故障参数进行在线估计。将实时故障参数估计与逆动力学控制相结合，构造出实时容错控制方法。在分析了全方位正交轮式移动机器人结构的基础上，离线地建立起该机器人的运动学和动力学参考模型，并以该离线参考模型为基础，进行了容错控制实验研究。实验结果表明在系统驱动器发生故障时，基于UKF主动建模的容错控制方法能够有效的提高系统的性能。　　 最后，提出了两种具有噪声统计特性自适应能力的UKF算法，即基于MIT规则和基于KF估计的自适应UKF算法。基于MIT规则的自适应UKF算法，以新息方差的实际值与估计值的差为指标函数，采用MIT规则作为自适应机制，在线地估计系统噪声统计特性，以此提高UKF方法对噪声统计特性的自适应能力。基于KF估计的自适应UKF算法由两个并行的主、辅滤波器构成。辅助滤波器利用KF估计系统噪声方差，主滤波器利用该噪声方差的估计值，进一步预测估计系统的状态和参数。仿真表明在系统的噪声统计特性发生变化时，所提出的两种自适应UKF算法能够自动的调整自身参数，以弥补由于先验知识不足而产生的估计误差。之后，比较了两种自适应UKF算法在估计的准确程度、估计所用的CPU时间、调节的难易程度三个方面的性能，并给出了比较结果。