钢结构被广泛的应用于建筑领域,管桁架是钢结构的重要构件,管桁架大多需现场焊接组装,焊接质量检测不便,费时费力且操作危险。为此,本研究设计开发一款钢结构管桁架焊缝质量检测机器人,主要研究内容如下:机器人结构与控制系统设计。根据管桁架空间结构特点和机器人行走、越障要求,选择了轮式行走和夹持贴附的机器人主体结构形式,设计了夹紧、转向和翻转机构,开发了机器人运动控制与图像采集系统。夹紧机构结构优化与瞬态特性分析。对夹紧机构进行结构优化,以夹紧机构的运动约束及强度约束为主要约束条件,建立夹紧机构各主要零部件力学和运动学模型,运用惩罚函数法对夹紧机构尺寸进行优化。对支腿进行静力学分析,采用拓扑优化对支腿进行进一步的减重,拓扑优化重构后的机器人重量减少了16.16%。对夹紧机构夹紧瞬间进行瞬态特性分析,在MATLAB中对夹紧瞬间进行灵敏度仿真与优化,选取合适参数、增加动态吸收器以提高夹紧机构瞬态性能,并开展动态测试,测试结果与仿真结果间瞬态性能指标的误差均小于5%,试验结果与仿真结果具有一致性。机器人越障运动学及稳定性分析。提出以工作损失效能为目标函数的数学模型,对翻转关节的主要参数进行优化,经数据拟合和多次迭代求得翻转关节的最优角速度。开展样机稳定性试验,测试不同翻转角速度下机器人的滑移量,试验结果表明机器人水平状态比竖直状态稳定性好,水平状态的滑移量远小于整机结构尺寸,整体稳定性良好;机器人竖直状态下,随着角速度的变大,稳定性逐渐变差,当翻转角速度达到0.785 rad/s时,机器人出现滑落现象,试验结果与运动学仿真分析结果一致。焊缝表面质量检测系统研究。分析焊缝表面缺陷类型及特点,采用自适应中值滤波对焊缝图像降噪,采用一种各向异性滤波和分水岭算法相结合的区域分割算法对焊缝区域进行分割,结合残差学习与VGGNet,设计Defect-Res Net模型对图像进行分类处理,Defect-Res Net算法在测试集上的分类精度为93.68%,分类效果优于传统算法。