基于倒立摆模型的两轮自平衡机器人属于轮式机器人的范畴,并结合了自主移动的思想,其体积小、结构简单、运动灵活,适于在狭小和危险的空间内工作,在民用和军事上有着广泛的应用前景;同时由于其不稳定的动态特性,两轮自平衡机器人成为验证各种控制算法的理想平台,具有重要的理论意义。两轮自平衡机器人属于非线性、时变、欠驱动、非完整约束系统,控制问题是其研究的关键。本文旨在探讨两轮自平衡机器人控制算法设计相关问题,为最终实现完全自主移动打下基础。采用牛顿动力学方法,对两轮自平衡机器人进行了运动学和动力学分析,建立了系统的数学模型,为控制器设计提供理论依据。根据两轮自平衡机器人所用传感器的特点,提出了一种基于陀螺仪和加速度计数据融合的间接卡尔曼滤波算法,得到最优的倾角及角速度估计。将系统解耦成前进与转向两个子系统。针对具有强非线性的前进子系统,论证了基于近似线性化、精确线性化及智能控制的非线性系统控制策略的应用可行性,据此按照不同性能要求设计了三种前进速度控制器:渐近跟踪鲁棒调节器简单精确,具有良好的干扰抑制能力;二次型最优跟踪控制器,在耗能最小的条件下,大大提高系统的平衡能力;而基于动态聚焦学习的模糊模型参考学习控制则兼具平衡性能好、环境适应性强、精度高及鲁棒性好的优点。对于线性的转向子系统,通过极点配置设计了对转速进行控制的Ⅰ型伺服系统。在速度控制器基础上,采用控制Lyapunov函数(CLF)方法设计了具有全局渐近稳定的控制律,实现了两轮自平衡机器人的位置控制和轨迹跟踪控制。利用MATLAB及Simulink对上述滤波器、控制器进行仿真,并通过两轮自平衡机器人系统实验平台进行数据融合、平衡控制、鲁棒性、速度跟踪实验,获得了期望的平衡与速度跟踪性能,验证了数据融合算法和相应控制器的正确性与有效性。