叶片作为多种高等战略装备中的核心零件,其表面质量直接决定了这些战略装备的气动性能和使用寿命。为了提高叶片的表面质量,优化表面性能,需要在其完成机加工后进行抛光打磨来降低表面粗糙度,完成工艺需求。现有的人工抛光打磨具有一定的局限性,其过分依赖于工人的熟练程度,效率低下、加工质量和表面一致性难以保证,还会因为工作环境恶劣对工人身体造成很大程度的损伤。而机器人凭借着本身智能、高效等优势,可以克服手工抛磨叶片的局限性,完成对叶片自动化、智能化抛磨。本文涉及的离线编程和力控算法是实现机器人自动化、智能化抛磨叶片的关键技术,可以有效的解决机器人抛磨叶片过程中的精度问题和柔顺控制问题,论文的主要研究工作如下:首先,针对本文使用到的川崎RS20N机器人进行运动学分析和建模,得到了机器人正逆运动学方程和逆解最优解,借助MATLAB软件和机器人示教器进行了仿真和实验验证。发现计算得到的结果与机器人实际位置的误差在0.025mm以内,满足机器人定位精度0.04mm的要求。并针对轨迹规划中最重要的直线和圆弧插补运动,基于所求的运动学方程得到了各关节轴的变化情况,发现各轴关节运行平稳光滑,满足实际需要。其次,对抛磨过程中叶片所受到的抛磨力进行了分析和预测模型的建立。对测力元件进行重力补偿,经过实验发现补偿后能使测力元件准确的测量出所受外力。基于正交试验建立了抛磨力回归预测模型,其与实验结果误差在12%之内,并基于此得到了工艺参数对抛磨力的耦合影响,得到了工艺参数对力的影响大小。然后,对机器人主动力控策略展开了研究,提出模糊阻抗控制来解决传统阻抗控制面对环境变化和未知环境时轨迹跟踪能力较差和力不稳定的问题。借助Simulink工具搭建了仿真平台验证了模糊阻抗控制相比传统阻抗控制的超调量有所降低,信号收敛时间更快,有更好的控制效果。最后,使用机器人辅助百叶轮进行了抛磨实验。在Sprut CAM离线编程软件完成了叶片叶身的轨迹规划,参考得到的抛磨力预测模型选取了合理的压缩量对叶背进行抛磨,经检测抛磨后的叶片表面粗糙度从1.3-2.2μm降到了0.2-0.4μm,相比抛磨前明显降低。并对机器人在模糊阻抗控制和无力控制情况下对钛合金板进行了抛磨,结果表明在模糊阻抗控制下,工件的表面粗糙度平均值降低了48%,标准差降低了55%,表明抛磨效果更好。