针对传统钢结构建筑健康监测中存在检测盲区和检测不全面的问题,本文采用磁吸附轮式机器人用于钢结构建筑健康监测。磁吸附式机器人采用可变形弯曲的柔性钢带连接前后车体,可以灵活翻越各种障碍物。但这种刚柔耦合结构也给实时位姿解算与控制带来了很大的难度。如何获取高精度位姿参数是柔性机器人控制的重要前提和基础。本文以磁吸附式柔性结构探伤机器人为例,对机器人的控制系统进行了改进,基于两种改进滤波算法求解柔性机器人刚柔耦合结构在不同工况下的空间姿态,并选取最优算法用于解算柔性机器人姿态角作为位置估计的输入参数,解决了机器人在运动中位姿控制精度不高的问题。本文研究工作和成果如下:首先,通过在机器人前后车体安装惯性测量单元与编码器融合多传感器信息,获取柔性探伤机器人前后车体实时动态位姿参数,建立刚柔耦合结构机器人前后车体位移和姿态三维运动学数学模型,感知由于柔性钢带变形导致机器人前后车体位姿的相对变化。在此基础上,根据柔性机器人的运动特性选择四元数算法作为车体姿态更新计算的方法,实现前后车体姿态更新及初始姿态角估计。其次,对机器人前后车体MEMS惯性测量单元原始数据进行预处理,将预处理后的数据作为输入参数代入显性互补滤波器,融合三种传感器数据用于解算机器人前后车体姿态。为提高机器人姿态参数估计值的精度,提出一种结合显性互补滤波器和一阶互补滤波器的改进互补滤波算法。在静止、慢速和较快速三种状态下,对基于这两种互补滤波算法求解得到的柔性机器人车体姿态在Matlab环境中进行仿真,该改进算法具有收敛快速、拟合精度高的优点。然后,针对柔性机器人实际运动过程中姿态系统一般为非线性的问题,采用扩展卡尔曼滤波算法解算柔性机器人刚柔耦合结构空间姿态,该算法利用泰勒级数展开线性化非线性系统,可以得到更高精度的机器人姿态估计。在此基础上,提出一种融合扩展卡尔曼滤波算法和显性互补滤波算法的新型姿态求解方法,该算法将加速度计和磁力计数据补偿陀螺仪数值得到的四元数姿态作为状态量,显性互补滤波器解算得到的四元数姿态作为扩展卡尔曼滤波算法模型的观测量。改进算法的动态跟踪性能更好,姿态角估计值精度更高。最后,搭建柔性机器人实验平台,分别采用改进显性互补滤波算法和改进扩展卡尔曼滤波算法解算柔性机器人前、后车体在钢架结构表面静止和低速运动工况下的静动态姿态,利用航迹推算算法确定机器人的位置,通过数据融合得到柔性机器人刚柔耦合结构的空间位姿。对比分析两种改进滤波算法的姿态角误差,比较算法定姿精度、计算时间和动态跟踪性能等指标。实验结果表明采用扩展卡尔曼滤波算法得到的姿态角度参数精度更高,动态跟踪性能更好。最终选用扩展卡尔曼滤波算法解算柔性检测器人的姿态,为柔性探伤机器人在复杂建筑结构越障运动中提供精确的空间位姿参数,确保柔性机器人顺利完成钢结构建筑损伤检测任务。