机械抓手是机器人系统中用于捕获和操作目标物的末端执行器。与由刚性部件构成的刚性抓手相比,由杨氏模量接近生物组织的软材料制成的软体抓手具有较高的人——机——环境交互安全性。针对多种易碎、易变形生活用品抓取困难的问题,本文设计了一种具有较高抓取适应性的变姿态、变尺寸软体气动抓手,揭示了软体手指的变形机理,获得了软体手指的变形特性,介绍了软体手指制作过程,搭建了软体抓手的实验样机;此外,设计了基于YOLO V3深度学习算法的软体抓手视觉智能控制系统;最后,实验验证了软体手指的变形和力学特性,证明了在视觉智能控制系统的控制下软体抓手对多种易碎、易变形目标物抓取的有效性。本文具体研究工作和结论如下:（1）设计了一种变姿态、变尺寸软体气动抓手。本研究在对多种生活用品的形状和尺寸进行分析的基础上,采用变抓取姿态、变抓取尺寸的抓取方式;以刚柔结合的方式对软体抓手的整体结构进行模块化研究,分别设计了纤维增强型软体手指和刚性齿轮机构作为软体手指和变姿态、变尺寸功能转换机构;基于恒曲率的变形假设,建立纤维增强型软体手指的运动学模型,分析了软体抓手在不同抓取姿态下的工作空间。（2）揭示了纤维增强型软体手指的变形机理。基于最小二乘法拟合得到硅橡胶New-Hookean模型的材料常数μ为0.1938MPa,Mooney-Rivlin模型的材料常数C01和C10分别为0.1613MPa和0.2056MPa;使用力矩平衡法和ABAQUS有限元仿真软件分别对纤维增强型软体手指的变形机理和变形特性进行分析和仿真,得到其弯曲角度与气压之间的关系;使用ABAQUS软件对纤维增强型软体手指的力学特性进行仿真,得到其阻塞力与气压之间的关系。（3）搭建了软体气动抓手样机和基于深度学习的智能控制系统。本研究使用模具浇铸和3D打印方法分别制作纤维增强型软体手指和齿轮转换机构,并对其进行模块化组装,成功搭建变姿态、变尺寸软体气动抓手样机;创新设计了基于YOLO V3深度学习算法的软体抓手智能控制系统,通过视觉识别目标物的形状控制软体抓手的抓取姿态,实现对目标物的适应性抓取。（4）实验测试了纤维增强型软体手指的变形与力学性能,证明了软体抓手智能抓取的有效性。首先,实验测量纤维增强型软体手指在不同气压下的弯曲角度和阻塞力,结果表明随着气压增大,实验结果与理论分析和有限元仿真得到的结果一致。然后,在无控制系统下,对软体抓手进行静态和动态抓取测试,通过改变抓取姿态和抓取尺寸,该抓手能够成功抓取不同形状、不同大小的目标物;最后,用训练完成的YOLO V3视觉检测模型对不同形状目标物进行识别,同时控制软体抓手的抓取姿态实现目标物的适应性抓取。综上所述,本研究创新设计了一种基于形状适配的变姿态、变尺寸气动软体抓手,对软体手指的变形机理和变形特性进行分析和仿真,搭建了基于深度学习的软体抓手智能控制系统,并在该系统的控制下转换抓取姿态实现对多种目标物的智能化抓取。本研究为多目标物的柔顺化、通用化和智能化抓取提供一种方法。