随着航空、航天、汽车等行业的发展,曲面加工的需求越来越多,对于加工性能及效率的要求也越来越高。为适应不同曲面零件的高效率、高精度、高安全性加工需求,需要充分考虑人、机、环境中的多重交互问题。以往的研究大多仅考虑人与机器人之间或机器人与环境之间的单一交互问题,且假定曲面特征已知或通过视觉等测量手段获得曲面特征信息。本文面向未知曲面加工作业,考虑人-机-环境的多重交互特性,研究协作机器人的柔顺控制方法,包括未知曲面上的轨迹表达与泛化、碰撞检测与外力估计、参考位姿生成和自适应柔顺控制等,并建立了实验系统,开展实验验证。针对未知曲面上难以进行轨迹泛化的问题,提出了改进的动态运动基元DMP（Dynamic Movement Primitive）方法,解决了未知曲面上的轨迹表达与泛化问题。DMP作为轨迹表达方法之一,具有优良的轨迹泛化、避障和抗干扰性能。然而,当目标点与初始点重合、目标点与初始点很接近、新目标点与旧目标点分布于初始点两侧,或具有曲面约束时,原始的DMP方法不具备轨迹泛化的能力。为了解决这些问题,本文从两个方面进行了改进:定义调整余弦相似度,用于优化和评估曲线相似度;定义力耦合项,设计末端力控制律实现机械臂与曲面保持期望接触力。通过仿真,验证了该方法的有效性。为了解决人-机-环境（对象）之间的碰撞检测与外力估计问题,扩展了动量观测器的方法,实现了机械臂与环境、被操作物体与环境的碰撞检测与外力估计。已有的通过动量观测器进行机械臂的碰撞检测与外力估计的方法,大都针对单臂的情况或双臂本体之间的碰撞检测。本文将其扩展到一般情况,充分考虑了机器人本体、操作对象与环境,实现了机械臂、操作对象的碰撞检测与外力估计,充分提高了人-机-环境系统的安全性。进而,以双臂操作物体时形成的闭链系统为例,将外力估计方法进一步用于双臂与物体之间、物体与环境之间的多重柔顺控制。通过仿真,结果验证了该方法的有效性。针对未知曲面作业难以确定机械臂末端参考位姿的问题,提出了基于操作面法向量和标称操作力映射的参考位姿获取方法。以往的研究多是基于力传感器的测量估计曲面的法向量,往往针对特定打磨工具,如球体,圆柱等,且需要将摩擦力进行简化才能得到简洁的表达式。本文提出了基于操作面法向量和标称操作力映射的机械臂末端参考位姿获取方法,通过在已知平面上学习,得到力传感器信息与曲面法向量之间的关系。然后将学习到的策略应用到未知曲面上,得到机械臂末端的参考位姿轨迹。通过自适应位姿补偿和迭代学习的方法进一步提高曲面参考位姿的估计精度。最后,进行了7自由度机械臂未知曲面作业的参考位姿获取的仿真,验证了该方法的有效性。人-机-环境多重交互中的动力学耦合特性复杂、动力学模型和环境阻抗模型具有不确定性,难以实现高精度的轨迹跟踪和力控制。为了解决上述问题,提出了一种融合了多种交互关系的统一神经网络自适应控制方法,实现了人-机交互和机械臂-环境交互的解耦与柔顺控制。首先,使用等效的二阶阻抗模型对人-机-环境多重交互系统进行了建模。其次,基于动量观测器和末端六维力传感器分别获得人对机械臂的作用力和环境对机械臂的作用力,使用选择矩阵将人的因素与环境的因素解耦。最后,提出了基于RBFNN（Radial Basis Function Neural Network）的自适应轨迹跟踪和自适应导纳控制方法。最后,通过仿真,验证了该方法的有效性。最后,建立了面向未知曲面作业的协作机器人实验系统。基于此实验系统,开展了基于改进DMP的轨迹表达与泛化实验、碰撞检测与外力估计实验、未知曲面作业的机械臂参考位姿获取实验、人-机-环境多重交互的自适应柔顺控制实验。实验结果验证了本文提出方法的正确性。论文的研究为协作臂在未知曲面、多重交互和人机协作的安全性柔顺控制提供了可行的解决方案,对于改善未知曲面作业中机械臂的轨迹和力控制精度具有重要的理论和实际意义。