随着人们对智能化机器人需求的日益增加,人机交互逐渐成为学者研究的热点问题,未来机器人的智能化一定是朝着理解用户情感的方向发展的。如何让机器人像人类一样具备情感认知能力,这就需要构建机器人的情感识别系统,让机器人在没有任何指令的情况下,正确自然地挖掘出人类情感的需求,并做出相应的反馈。针对视觉、语音、生理信号等情感识别方式的局限性,本文提出一种基于压阻式阵列触觉传感器的情感识别方式并应用到家庭服务机器人,将情感识别与机器人控制相结合,设计出一种机器人个性化服务系统。对压阻式触觉传感器的工作原理进行分析,提出压阻式阵列触觉传感器对于人机交互更加适用,采用的12x12压阻式阵列触觉传感器作为触觉情感识别实验的数据采集装置,对其结构以及优点进行分析,并对传感器的输入与输出关系进行探究,分别对该传感器的压力与输出电压之间的关系,压力与传感器电阻之间的关系以及传感器自身的各项参数、滞后性等输出特性进行分析。最后介绍了压阻式阵列触觉传感器在物联网、医疗护理、机器人等领域的广泛应用背景。触觉情感识别的过程有四个步骤:采集数据、数据预处理、特征提取、情感识别。本文利用压阻式阵列触觉传感器采集触觉情感数据,建立相关数据集;根据噪声的特性对两个触觉情感数据集进行数据预处理,去除干扰信号噪声对实验结果的影响;依照触觉情感数据的特性分别对两个触觉情感数据集进行情感特征提取;简述支持向量机、极限学习机、终身学习三种算法的模型,并提出了一种新的算法模型:基于极限学习机的终身学习算法,该算法将极限学习机与终身学习算法相结合,解决了终身学习算法没有考虑到非线性特征提取的问题,对于触觉情感识别有较好的应用效果。探究了不同分类器的情感识别效果,将提取后的触觉情感特征输入到不同的分类器模型中,进行三组实验。第一组实验利用极限学习机和支持向量机探究情感识别的效果,但结果表明这两种传统机器学习算法的情感识别效果不是很好;第二组实验是对14种手势分别进行情感识别,结果表明不同手势的情感识别效果不同,stroke手势的情感识别效果最高,手势与情感之间存在着某种联系,不同的手势本身就对应着某种情感,会对实验结果产生影响;为提高情感识别的效果,第三组实验使用基于极限学习机的终身学习算法对触觉情感识别效果进行探究,其识别效果明显高于两种传统机器学习算法,实验证明基于极限学习机的终身学习算法也具备良好的鲁棒性。最后,对机器人的情感认知与控制进行探究,将情感识别结果与家庭机器人的场景识别、语音交互功能相结合,设计了一种基于用户情绪的音乐偏好选择策略,控制机器人播放合适的音乐来改善用户的情绪状态,提高了机器人的认知与控制效果。