人机共融已经成为未来智能机器人的发展趋势。与协作机器人相比,传统工业机器人市场保有量巨大,但不具备人机协作能力,实现工业机器人与人在同一物理环境中协同作业,将释放大量生产力。使用额外的传感器可以使传统工业机器人获得感知能力,提高人机协作水平,但由于高性能传感器成本普遍较高,基于机器人自身传感器实现人机协作成为研究热点。本文基于机器人动力学模型研究了工业机器人无额外传感器实现碰撞检测和安全反应的方法。本文以串联型工业机器人为研究对象,构建了机器人的动力学模型并完成了模型参数辨识。通过动力学模型,获得机器人关节电机的理论输出力矩,将其与实际输出力矩的误差推广为机器人关节外力矩,实现了在无额外传感器的情况下对关节外力矩的实时采集。分析了外力矩规律波动,以及在不同碰撞条件下不同变化的原因。提出一种免传感器的碰撞检测框架,通过对机器人外力矩设定动态安全阈值,实现对机器人外力矩灵敏准确地监测。提出一种基于导纳控制的碰撞安全反应策略,设计了离散化的实时导纳控制算法,实现了碰撞外力到关节位置的转化,使机器人在检测到碰撞后远离碰撞点。基于外力矩序列的实时性,提出一种基于时间序列分析的碰撞检测算法。构建了外力矩的时序预测模型,采用最小二乘算法和最终预报误差准则完成模型参数辨识。实现了由历史外力矩对未来外力矩的预测,并给出一种基于预测值分布的阈值生成方法。为了提高实时控制系统中模型对外力矩变化的适应性,提出基于递归最小二乘的模型参数更新算法,并引入遗忘因子,降低了过早历史数据对参数的影响。在机器人运动中,存在着多种耦合参数对外力矩具有非线性影响,机器人在运动复杂轨迹时,外力矩往往处于非平稳状态。由于时序预测模型对外力矩的稳定性要求较高,对复杂轨迹的检测效果较差。本文设计了基于LSTM网络的多参数输入多步输出的外力矩预测模型,该模型能够提取机器人多种运动参数的高维特征,构建从多种运动数据到外力矩的非线性映射,提高对复杂工况下外力矩的预测能力。采用用于辨识动力学模型参数的激励轨迹运动数据对LSTM外力矩预测模型进行训练,提高了模型对任意轨迹的鲁棒性。设计了一种基于LSTM预测模型的实时碰撞检测算法,实现了机器人的免传感器碰撞检测。在六自由度工业机器人实验平台上,分别实验验证了提出的两种碰撞检测算法和安全反应策略。基于典型工作任务设计了多条笛卡尔匀速轨迹,分别在机器人前三关节和整体上验证了时序碰撞检测算法的性能。设计了一条较为复杂的运动轨迹,以激发机器人运动时各种运动参数之间的非线性联系,并以此验证了基于LSTM的实时碰撞检测算法的性能。然后进行了安全反应策略的验证,确保机器人在碰撞发生后快速远离碰撞点,保证人机协作安全。