机器人柔顺加工复杂变刚度叶片在工业领域日益重要,复杂叶片的质量会极大地影响设备性能。机器人技术日益发展,但目前机器人磨抛加工可变刚度的叶片,主要存在精度差、配置不灵活等问题。熟练的技术工人加工零件可以达到很好的效果,于是让机器人模仿人类的加工控制策略成为新的研究课题。但是,由于存在人手臂模型复杂、肌电信号复杂且存在干扰、机器人学习人类策略难度大等问题,导致机器人的拟人化加工精度难以保证。因此,本文立于面向可变刚度叶片零件的机器人拟人化力控课题,开展了基于阻抗控制的迁移人类的加工策略到机器人的研究。为了使机器人学习人类的加工策略以提高叶片的加工精度,本文基于阻抗力控的框架,重点针对人手臂模型的研究及其特性分析、机电信号的处理、机器人控制策略展开了研究。主要内容和创新性贡献是:1、人-机器人技能传递系统搭建。提出一种基于学习人类示教者变阻抗力控策略的机器人任务方案,介绍了肌电信号采集方法以及信号降噪和模式识别的方法,搭建了机器人力控任务的可变刚度零件实验平台、测量人手臂阻抗参数的系列平台、光学捕捉系统测量位置平台,并对上述平台各种设置必要性和对本文任务的贡献进行了阐述。2、肌电信号处理。采用手臂装置采样人手臂的肌电信号,光学捕捉相机系统采样位置信息,针对肌电信号采集时的信号弱、包含数据纬度高难以分析的特点,再用双树复小波变换等降噪。还有训练神经网络完成五组手势的识别工作。并针对人在加工过程中可能会有无关肌肉干扰的问题,采用基于神经网络的模式识别排除干扰因素。结果表明,手势可以被准确识别,电器元件、心脏噪声等噪声被去除,而且双树复小波变化可以去除EMG信号自身噪声,达到良好的效果,为后章的工作提供基础。3、人手臂关键参数获取及其特性分析。在人机交互实验平台中,进行了在保持固定姿势下人手臂刚度测量研究,测量获得到不同姿势下人手臂阻抗参数,进一步分析得到了刚度椭圆图形,讨论了手臂位置对刚度特性的影响。并且进行面向可变刚度零件的人类示教实验。具有专家经验的示教者在执行任务,采集肌电信号、位置、力信息,使用协调守恒算法计算手臂末端与关节阻抗参数。结果表明,人手臂在不同位姿下有不同的阻抗特性,肩部和肘部刚度都在4（25）13 Nm/rad之间,计算出示教任务中的阻抗参数为后章工作打好良好基础。4、基于阻抗的机器人技能迁移。讨论了阻抗控制与变阻抗控制的相关研究,基于强化学习SAC的方法,调整了阻抗参数。综合前面得到的工作基础,将刚度、阻尼与惯性与位置相关联,即面向变刚度零件任务中,在不同的位置区域采用不同阻抗参数。将这些阻抗参数映射到机器人关节,实现人的加工策略迁移到机器人上。最后做了相关柔性接触力控实验。结果表明,训练好的SAC算法可以调整好阻抗参数,机器人复现任务力控效果好、响应快,实际接触力稳定在4.8N±0.15。