依靠人工智能技术,目前,一些机械手已经能够模仿人的手完成一系列复杂的动作。在现实工作中,科研人员越来越重视机械手抓取物体的能力,这是机械手对物体进行操纵控制的基础。机器人实现智能化的关键技术之一是触觉感知,它是机器人与外界环境进行交互的特殊媒介。特别是在抓握和操纵物体时,触觉感知可以让机器人具有更好的抓握和操控物体的能力,这对机器人的精细化操作应用具有深远的意义。稳定性分析是抓取控制的基础工作,因此本文对抓取过程中产生的触觉序列进行分析,进而对目标物体抓取稳定性方面的问题进行深入的研究。首先,本文搭建出一套机械臂灵巧手操作平台。本研究主要采用Kinect2.0摄像机、BH8-282三指灵巧手、UR5六自由度机械臂等设备搭建出一套数据采集平台,该平台可以对目标物体进行检测识别并进行定位,实现自主运动规划,实施对目标物体的抓取,采集视觉和触觉等数据信息。该系统可以实现在无人监督的情况下,对目标物体进行不间断抓取,并在对目标物体的抓取过程中,自动标注此次抓取的稳定与否,实现对视觉数据和触觉数据的完全自动化采集,可以很方便的进行数据的采集以及数据集的建立。其次,本文建立了一套真实环境下标准触觉数据集。为了对物体抓取稳定性做深入的研究,标准数据集的建立必不可少。本文利用搭建的机械臂灵巧手操作系统对一系列生活中常见的不同种类的物体进行了大量的抓取实验,并对采集到的数据进行了整理,建立了一套包含37种物品共计3589组数据的标准数据集。另外,针对单一目标物体,建立了一套含有1359组数据的标准数据集。在此数据集的基础上,本文做了一些相关研究。最后,本文在原有最近邻算法的基础上,提出一种基于动态时间规整算法的改进型最近邻算法。触觉数据的长度不同,为了对触觉数据进行有效的对比,我们引入音频信号处理中常用的动态时间规整算法,用以度量触觉序列时间长度。将动态时间规整算法和最近邻算法有效的结合起来,构建DTW-KNN算法,通过两种算法的融合,对物体抓取稳定性进行有效的分析。实验证明,DTW-KNN算法能够对物体抓取稳定性进行合理有效的判定。