随着经济的增长与社会的发展,人类对机器人的应用需求范围越来越广。基于传统机器人控制平台开发的低自由度机器人,往往只能应用在操作环境较为简单的非接触式工作任务,而面对当前模块化开发的趋势以及应对各种复杂未知的操作环境,这类机器人的局限性变得越来越明显。本文以实验室自主研发的冗余自由度机械臂为研究对象,基于开源机器人操作平台ROS,在实现平稳精确的位置控制基础上,对机械臂在未知环境中的力与位置控制展开研究。首先,对机械臂进行运动学分析与建模。基于D-H参数法建立了正运动学方程并求解工作空间,将变步长搜索与最小阻尼二乘法相结合,解决冗余自由度机械臂逆解求取奇异性问题的同时保证算法快速收敛。以位置、速度、加速度为约束条件,在自由工作空间设计轨迹规划算法实现平稳精准位置控制。其次,基于开源机器人操作系统ROS,开发模块化关节驱动程序以及人机交互程序。上下位机基于CANopen协议通信,分别将基于QT开发的控制界面以及URDF模型集成到rviz插件中,实现按照不同操作模式对机械臂进行控制,并在上位机进行展示。然后,基于动力学理论对机械臂进行分析,并进一步建立动力学模型。通过对阻抗参数性能分析后,得出不同阻抗参数对控制性能影响的以及调整改进的结论与方法。提出基于关节电流的BP神经网络环境等效刚度离线估计方法,同时引入自适应算法对阻抗参数进行在线调整,最终设计出在不确定环境中表现出良好的适应性的力/位置控制算法。最后,基于搭建的冗余自由度机械臂实验平台,设计实验并分析实验结果。首先,运动学算法以及轨迹规划算法的精确有效性通过设计的运动学实验进行验证。设计控制器PID参数调节实验,通过设计实验比较七个关节实际输出力矩与理想输出力矩,验证阻抗系统内环控制的有效性。然后设计了基于关节电流的BP神经网络环境等效刚度数据采集实验。最后通过设计力/位置跟踪对比实验,验证了算法在不确定环境下的性能提升。