并联机器人具有刚度高、结构紧凑、承载能力大、动态响应好等优点,在工业和服务业具有非常重要的应用价值。在机器人执行磨削、搬运、装配、康复、手术等任务时,机器人与环境(人或被操作物)直接接触,过大的接触力容易损坏机器人或给环境带来伤害。因此,机器人在进行接触性作业时,需要具备一定的柔顺性,这对机器人的控制系统提出了更高的要求。阻抗控制意在期望轨迹跟踪误差与人机交互力之间建立弹簧-阻尼动态系统,是重要的主动柔顺控制方法。因此,为并联机器人设计有效的阻抗控制具有重要的价值。然而,机器人动力学模型中的不确定项和干扰影响了阻抗误差的收敛性,进而影响了阻抗控制的稳定性和鲁棒性。因此,研究并联机器人的自适应阻抗控制,提高阻抗控制的稳定性和鲁棒性,对增强并联机器人与环境交互的柔顺性、安全性和可靠性至关重要。本文的主要研究工作和贡献概括如下:(1)提出了一种基于死区网络调节律的机器人自适应神经网络阻抗控制。基于期望的一阶阻抗动态模型,建立阻抗轨迹,进而将阻抗控制设计问题转化为一种跟踪控制设计问题。基于五杆并联机器人欧拉-拉格朗日模型,设计由神经网络控制和力控组成的阻抗控制,保证阻抗误差收敛到零的一个小邻域,进而保证期望的一阶阻抗动态的实现。通过理论分析和仿真,验证了所提的自适应神经网络阻抗控制的稳定性和有效性。(2)提出了一种基于复合学习的机器人阻抗控制。基于期望的二阶阻抗动态,建立阻抗轨迹,将阻抗控制问题转化为一种特殊轨迹跟踪问题。基于机器人欧拉-拉格朗日模型,设计了由复合学习控制和力控组成的阻抗控制策略,保证了阻抗误差的收敛和期望阻抗动态的实现。基于理论分析和实例仿真,验证了所提出的复合学习阻抗控制律的有效性。(3)提出了基于扰动观测器的机器人阻抗控制。基于期望的二阶阻抗动态模型,建立阻抗误差并将阻抗控制问题转为跟踪问题。设计由扰动观测器、PD控制和力控组成的阻抗控制策略,保证阻抗误差收敛到零的一个小邻域,进而保证期望二阶阻抗动态的实现。通过李雅普诺夫理论,分析了该阻抗控制的稳定性;通过实例仿真,说明了该阻抗控制的有效性。