王奇峰 林初畅 贺一民,3 鲍晟,3*

（1常熟国家大学科技园管委会，江苏常熟，215500；2上海大学，上海，200444；3上海机器人研究所，上海，200444）

0 引言

新世纪以来，机器人技术在工业上得到广泛应用。通常在需要与环境有交互的应用场景中，如装配、抛光、打磨等，机器人需要对环境的不确定性有所柔顺，而且要求工具与零件的接触力在一定的工作范围内，因此加入被动柔顺或者主动力控制非常必要[1]。在目前的抛光打磨中，一般采用末端六维力传感器来检测与加工零件之间的接触力信息。不过，在抛光打磨过程中，往往会出现比较大的振动以及热传导，这些会对力传感器的可靠性造成不利影响。因此，无力传感器的力控制方法具有研究意义和应用价值。

很多学者提出了无力传感器获取力信号的方法。Stolt等学者提出了基于关节误差估计外力的方法[2]。Hacksel等学者提出了基于精确动力学和机械臂位置误差估计外力的方法[3]。由于机械臂参数的不确定性，Eom等学者在Hacksel等人的研究成果的基础上加入了自适应的控制策略来克服这些误差[4]。Smith 等学者使用基于神经网络的动力学模型来估计接触力。Colomé等学者将基于任务导向的动力学模型学习与鲁棒扰动状态观测器相结合提出了一种新的外力估计方式。在阻抗控制方面，Chiaverini等学者提出平行力/位控制策略[5]。柳洪义等学者在传统的阻抗控制模型中加入模糊算法来调整参考轨迹，从而提高了机械臂系统对环境的适应性[6]。Mallapragada等学者提出使用人工神经网络来调整控制器的参数[7]。……