手是使人具有高度智慧的器官,也是人与环境交互的重要环节。随着社会对机器人技术要求不断提高与和需求不断增加,仿人机械手的研究与开发工作得到迅速发展。其中驱动技术与控制技术是仿生手研发的关键技术。现存的机械手大多以直流电机作为驱动元件,但是受直流电机固有特性的限制,这些仿生手存在质量大、使用安全性和柔顺性低的问题。为了拥有柔顺的关节特性,许多研究人员将注意力集中在人造肌肉上。气动肌腱作为一种新型的标准工业执行元件,因其具有良好的柔顺性、功率/重量比高、节能环保、成本低等特点,已经被广泛作为仿生机器人和机械手等对象的驱动元件。本文从运动生物力学的角度分析,受人手骨骼肌肉结构的启发,设计了一种采用气动肌腱模拟人体肌肉特性为关节提供驱动力,传动方式为腱传动的气动肌腱仿生关节。通过对该关节建模与分析,将深度强化学习算法应用于该关节,实现了该关节的运动控制。首先,建立单根气动肌腱特性测试平台对气动肌腱进行测试,进而建立单根气动肌腱数学模型,并对气动肌腱特性进一步展开分析。并以此为基础建立了气动肌腱拮抗式仿生关节静力学模型与和运动学模型;根据该关节可变刚度特性,建立关节刚度模型和位置/刚度解算模型;针对该关节腱传动的特点,分析了运动过程中保证腱绳张紧条件,保证在运动过程中数学模型与实际装置状态的一致性,为实现该关节的位置/刚度控制奠定基础。其次,针对该关节难以建立准确的数学模型的不足,提出将深度强化学习算法应用于该关节的运动控制。通过对该关节无惯性和有惯性两种工作状态的运动控制方法的研究,验证了将强化学习应用于该关节运动控制的可行性。对于强化学习算法需要在实际装置中收集大量样本、与环境交互时间长的问题,提出了将传统非线性算法与强化学习算法相结合的思想,利用传统非线性算法制作样本数据,缩短强化学习算法的运行时间,加快强化学习算法的训练速度。最后,设计该关节的控制系统,搭建单关节实验系统平台,并在此基础上进行该关节的运动控制实验。通过对实验数据的对比与分析,验证了所建立的气动肌腱和仿生关节的数学模型的准确性,以及将强化学习算法应用于该关节运动控制的有效性。