本文对Stewart六维力传感器进行了相关研究,主要内容包括六维力的各向同性与传感器的主要结构参数之间的关系、结构参数的优化设计传感器样机系统的设计、有限元仿真、解耦算法的优化设计。对于六维力传感器来说,应具有较好的力各向同性度和力矩各向同性度。为研究传感器的结构参数与各向同性性能的关系,建立了传感器的结构模型;针对经典6/6型Stewart结构六维力传感器,通过对雅克比矩阵以及雅克比矩阵的条件数的研究,分析了其各向同性与五个主要结构参数之间的关系。针对该关系,结合传感器尺寸的实际要求范围,建立了有约束的最优化数学模型,使用遗传算法寻优的方法,得到了最优的结构参数值。采用十字梁结构形式的支路弹性体,由溅射镀膜工艺制成弹性体上的转换元件,通过惠斯通电桥将采集到的信号转换为电信号,通过信号调理电路对其进行滤波、放大和调零;对传感器的机械接口进行了校核。使用得到的最优参数值,以及设计的支路弹性体等机械结构,建立了传感器有限元分析模型,并使用ABAQUS有限元仿真软件进行仿真分析。首先进行了静力学仿真,分别加载最大的力/力矩值,分析了其应力和刚度;之后进行了热力学仿真,分别分析了从室温到极限高温、从室温到极限低温的热应力分布;并对每个方向的疲劳寿命进行了分析,证明能够达到100000次加载;最后分析了传感器的固有频率。通过以上的仿真分析,证明了该结构参数下的传感器能够满足指标要求。针对实际测量的零点电压值,对传感器的零点电压和温度的关系进行了曲线拟合,从算法上解决了传感器的零点漂移问题。研究了两种解耦的算法,并详细介绍了使用MATLAB工具箱建立BP神经网络的操作过程。采用传统的标定方法,采集单维加载后的数据,使用两种解耦算法分别进行解算,并使用多维加载数据进行验证,发现两种方法分别存在维间耦合较大、多维加载无法使用的问题;提出了一种新的标定思路,并通过两种算法进行了验证,证明在新的标定方式下,使用BP神经网络进行解耦运算,可以将力的解算精度降低到2.27%、力矩的解算精度降低到1.73%,满足实际的要求。本文从最初的理论分析,到最终的实际验证,证明了该传感器样机与解耦算法的可实施性,为六维力传感器的生产提供了理论与应用支持。