随着机器人应用场景的扩展,机器人往往要在非结构化的环境中执行任务,这就要求机器人能够实现灵活的抓取或者操作任务。机械手作为机器人最重要的组成部分之一,能够在未知环境下对多种形状的物体进行安全可靠的抓取并感知抓取力是两个十分重要的功能。但目前大多数机械手,存在着自适应抓取能力差、力感知精度低、控制复杂、成本高昂等问题,难以满足抓取任务需求。为了解决这些缺点,本课题设计了一种新型的柔性机械手,研制了样机,并开展了一系列相关实验研究。针对自适应抓取的需求,设计了一种基于仿生学的柔性机械手,能够对不同形状的物体进行自适应抓取。柔性机械手的手指在设计上借鉴了仿生鱼鳍概念,能够在受力时对物体形成自适应包络;在加工时使用柔性材料,保证了抓取时的安全性。柔性机械手采用欠驱动方式进行抓取,同时使用小型控制板和微型驱动器对柔性机械手进行控制,使得结构十分紧凑。该设计方案简单可靠,能够满足对不同形状物体的自适应抓取,同时成本较低且安全性高。建立了柔性机械手力与形状关系的模型,包括根据力来求解手指变形的“力-形状”模型和根据手指变形对力进行求解的“形状-力”模型。“力-形状”模型是在有限元理论的基础上,结合柔性手指的结构特点建立的,具有十分高的运算精度。通过“力-形状”模型生成大量的力与形状相关的数据对BP神经网络进行训练,建立了“形状-力”模型,从而实现了根据柔性手指的形状得到力的目标。力与形状关系的模型为柔性机械手的力感知提供了理论基础。提出了基于机器视觉与“形状-力”模型的力感知方法。通过机器视觉实时测量抓取过程中柔性手指的变形量,并以此作为“形状-力”模型的输入,从而感知出相应的抓取力。为了实现对柔性机械手的抓取控制,将感知的力作为反馈量实时发送到控制器来控制机械手的抓取程度,从而实现对抓取力的控制。完成样机集成和实验平台搭建,并在此基础上开展了柔单根手指的力感知实验、二指抓取力感知实验、柔性机械手的抓取控制实验,对提出的自适应抓取以及力感知方法进行了验证。实验结果表明,所开发的柔性机械手能够对不同形状的物体进行自适应抓取,同时实现较高精度的力感知,并能对抓取力进行控制,因此可以满足针对未知环境下多种形状物体的抓取任务要求。