近年来,随着智能制造的深入与机器人技术的迅猛发展,工业机器人作为一种先进、高效的自动化设备,已经被广泛的运用于工业的各个领域。但由于工业机器人本身刚度较大、自身定位精度较低,且面临的任务也越来越复杂,尤其是针对磨抛加工这类接触式作业,仅采用传统的位置控制,已经难以满足任务要求。因此,如何使工业机器人具有良好的柔顺性,且在复杂的磨抛环境中,实现精准的力跟踪控制,已成为工程中亟待解决的问题。本文以阻抗控制为基础,主要针对未知复杂的打磨环境,提出了两种力控策略。（1）以阻抗控制为基础,提出了一种基于神经网络阻尼比模型的自适应力控制策略。通过设计一个能够描述力误差与阻尼比之间机理关系的激励函数,构建神经网络阻尼比模型。由该模型动态修正阻抗控制器的阻尼系数,适应末端环境的动态变化,有效地减少接触时引起的力超调和稳态时的力跟踪误差。仿真结果表明,基于神经网络阻尼比模型的自适应阻抗控制方法,在复杂未知环境下,能有效地实现力跟踪控制。（2）以阻抗控制为基础,提出了一种基于分数阶PID的自适应力控制方法。通过设计一种自适应控制率,对环境位置和刚度在线估计,动态规划自适应参考轨迹,降低未知环境下的力跟踪误差;引入分数阶PID对力跟踪误差进行处理,前馈补偿阻抗模型,进一步改善系统的动态性能,在减小接触力超调的同时,抑制外界环境的干扰。仿真结果表明,基于分数阶PID的自适应阻抗控制方法,提高了系统的力控性能,有效地减小接触力稳态误差。在由MOTOMAN-GP7工业机器人与六维力传感器搭建的力控打磨实验平台上,分别对所提出基于神经网络阻尼比模型的自适应阻抗控制策略与基于分数阶PID的自适应阻抗控制策略分别进行了打磨实验验证,结果表明:与基于传统的阻抗控制的力控制策略相比,所提出的力控制策略具有更好的性能。