本论文来源于863高技术项目《仿人机器人柔顺性控制技术研究》的子课题,研究针对手臂模型未知和动态环境下的仿人机器人手臂柔顺性控制算法,根据不同任务在线控制仿人机器人手臂的柔性是本课题的重要实现目标之一。本文主要对传统的阻抗控制算法、自适应阻抗控制算法作了仿真研究,并对上述两种算法作了多种环境条件下的比较研究,初步总结了阻抗参数的调节规则。通过仿真研究表明,合理的调整阻抗参数在实际力控制过程中至关重要,它可以有效地减少机械手与环境接触时的冲击力。本文探讨了将阻抗控制算法与神经网络逆系统方法结合的思想,利用神经网络逆系统的解耦能力实现对机械手的线性化,然后用阻抗控制算法对解耦线性化后的机械手系统实现控制的目的。文中亦对上述基于神经网络逆系统的阻抗控制算法作了仿真研究,仿真结果表明该算法的效果较理想。最后,利用本实验室的PA—10机器人,实现了神经网络逆系统方法对机械手原模型的解耦控制。实验表明该算法可以很好的完成机械手的轨迹跟踪任务。