在工业机器人末端安装六维力/力矩传感器是常见的机器人恒力控制策略。但是由于国内工业机器人控制系统的封闭性以及力传感器昂贵的价格,这种方法不便于工业大规模生产的应用。利用大数据先进技术算法,对打磨机器人末端受力的复杂的非线性关系建立数据模型,通过模型代替力传感器进行反馈,能够达到打磨机器人无力传感器恒力控制的效果,并且可以推广到工业大规模生产中。根据打磨机器人受力情况,结合工件在打磨过程中所受力的大小和方向,初步设置采集数据为打磨机器人运行过程中的各轴转矩与法向打磨力。随后对数据采集的方法及数据预处理进行了分析,重点研究了采集的力信息与真实接触力信息之间的打磨机器人工具重力补偿方法。采取人工神经网络回归的方法,建立了打磨机器人各轴转矩与末端法向打磨力之间的关系模型,并对神经网络训练过程中采取遗传算法对神经网络初始参数的选择进行优化,克服了神经网络梯度下降法训练容易陷入局部最优值的缺陷,实验训练和预测效果良好。分析建立法向打磨力与法向位移之间的关系。运行打磨初始轨迹并获取运行过程中打磨机器人的各轴转矩,根据前期训练的数据模型对打磨机器人末端所受打磨力进行预测,然后与前期设定好的打磨力阈值进行比较,根据法向打磨力差值对打磨初始路径进行调整,最终调整后的轨迹满足打磨机器人恒力打磨的要求。在上述研究的基础上,在课题组开发的机器人离线编程软件上开发了数据采集与显示模块、智能优化模块,便于电脑和机器人IPC间的数据采集分析以及打磨机器人路径优化。最后的打磨机器人恒力打磨实验,验证了本文方法的有效性及实用性。