工业机器人正朝着智能化方向发展,人机协作能够完成复杂多变的工作任务,并提高工作效率,因此成为机器人研究领域的热点。拖动示教技术作为人机协作领域的重要研究方向,往往需要机器人具备一定的力感知能力。由于力/力矩传感器价格昂贵,通常是利用检测电机电流的方式获得关节力矩,并结合机器人动力学模型得到机器人末端的受力情况。本文以六自由度串联型工业机器人为研究对象,对机器人动力学模型、关节内部非线性摩擦和免力矩传感器拖动示教等问题展开深入研究。主要内容如下:机器人动力学参数辨识是实现免力矩传感器拖动示教的前提条件,其估计精度直接影响机器人的控制性能。为提高机器人动力学模型精度,利用牛顿-欧拉迭代法进行机器人动力学建模,采用有限傅里叶级数轨迹作为机器人动力学辨识激励轨迹,同时以观测矩阵的最小条件数为优化准则,利用粒子群算法进行激励轨迹参数优化。以一定的采样周期采集机器人运动过程中关节力矩和运动状态信息,并对采样信息进行预处理以提高信噪比,最后基于加权最小二乘法进行机器人动力学参数辨识。在机器人关节转速较低时,关节内部摩擦表现出复杂的非线性特性,针对传统库伦+黏性摩擦模型并不能真实反映其摩擦特性,提出一种改进Stribeck摩擦模型对关节摩擦进行建模,以改善机器人低速状态时的控制性能。设计高、低速余弦轨迹相结合的激励轨迹,以及采用每个关节单独辨识的方案以提高摩擦模型辨识的准确性,根据实验测得的关节速度和摩擦力矩数据,通过模拟退火混合遗传算法优化得到最佳摩擦参数。在机器人动力学模型已知的基础上,结合基于广义动量的扰动观测器实现机器人的外力估计。为提高机器人拖动示教过程中的平滑性,建立机器人导纳控制模型,同时将机器人的整体拖动过程进行运动阶段划分与分析,并采取相应的运动控制策略。最后,分别提出了基于关节空间和笛卡尔空间的机器人免力矩传感器拖动示教方案。为验证上述所提出的理论模型和控制方法的有效性和可行性,搭建了机器人实验平台,并对机器人动力学模型、改进Stribeck摩擦参数辨识以及拖动示教三方面分别进行相关实验。通过模型拟合曲线与实验数据对比,证明了机器人动力学模型参数的准确性以及所提出的改进Stribeck摩擦模型的优越性。最后,将机器人工作在位置控制模式下,分别开展了关节空间和笛卡尔空间上的机器人拖动示教实验,验证了所提出的拖动示教方案的可行性和有效性。