机器人作为一种高度灵活的智能设备,在医疗康复和工业生产等领域执行任务的时候会直接和环境进行交互,而传统的位置控制可能会导致交互力过大,造成自身设备的损坏或对环境造成伤害。因此,机器人需要具备合适的柔顺性来保证机器人与环境交互时的安全。串联弹性执行器（Series Elastic Actuator,SEA）作为被动柔顺控制的重要组件,其输出阻抗小、耐冲击和弹性、能源存储效率高以及力传输平稳等特点,可有效地提高机器人与环境交互时的安全性和柔顺性。然而,SEA本身的输出功率有限,导致SEA驱动的柔性机器人存在控制输入饱和,忽略该饱和会影响控制的有效性;值得注意的是,环境阻抗往往是不可知的,而通过阻抗学习可以动态调节机器人的阻抗参数,进而提高交互的性能。因此,本论文研究串联弹性驱动柔性机器人的输入饱和控制与阻抗学习控制具有重要的意义。本论文的主要贡献包括如下三项:1)针对现有的阻抗学习控制算法计算复杂度高以及需要位置的高阶导数的问题,通过指令滤波器设计自适应反步算法,提出柔性关节机器人的阻抗学习控制算法。建模的不确定性参数和交互力的阻抗参数通过跟踪误差更新的自适应学习率在线估计。设计的阻抗学习控制在保证闭环控制系统半全局渐近稳定的情况下,实现了机器人阻抗的动态调整。最后,利用李亚普洛夫理论分析闭环控制系统的稳定性,通过仿真验证所设计的自适应阻抗学习控制的有效性。2)针对控制输入饱和约束以及系统结构复杂的问题,通过奇异摄动法提出柔性关节机器人的饱和非线性状态反馈控制策略。利用奇异摄动法将机器人控制系统分解成快变执行器运动子系统和慢变刚性关节运动子系统。为快变子系统设计微分控制项,保证该子系统的全局渐近稳定;为慢变子系统设计带有重力补偿项的比例微分控制器,保证该子系统的局部指数稳定和半全局渐近稳定。控制设计中,通过引入双曲正切函数,保证控制器满足饱和约束条件。最后,利用Hoppentsteadts和Krasovskii-La Salle定理分析闭环控制系统的渐近稳定性,通过仿真实验验证了所设计的饱和非线性状态反馈控制的有效性。3)针对需要刚度矩阵数值相对较小的问题,通过能量生成法提出柔性关节机器人的饱和输出反馈控制算法。利用能量生成与阻尼注入的方法,设计一种由饱和PD调节控制项与静态重力补偿项组成的非线性饱和控制器,该控制器仅需要获取机器人及其执行器的位置信息,而不需要测量速度值。通过引入双曲正切函数保证控制输入饱和约束的满足。最后,利用Krasovskii-La Salle定理分析闭环控制系统的渐近稳定性,根据仿真实验验证所设计的基于能量生成的饱和输出反馈控制的有效性。