机器人软体手相比于传统的刚性手,其本体由软材料制作而成,具有很高的柔顺性和安全性,在物料分拣、果蔬采摘等场合具有广阔的应用前景。为了实现软体手对物体的适应性抓取和识别,要求软体手具有触觉感知的功能。目前的软体触觉感知抓取系统存在感知形式单一、控制方法简单的缺点,难以适应复杂多变的抓取对象。为此,本文提出一种具有手指、手掌多元触觉传感功能的新型软体手,并对其多元触觉融合感知方法和抓取控制进行了深入的研究。本文主要内容包括:软体手与多元触觉传感系统的集成设计。提出了一种手指和手掌可充气变形的软体手结构,并分别在软手指、软手掌中集成压阻式触觉传感器Flex Sensor 2.2’’（以下称Flex传感器）、图像式触觉传感器Tac Tip。介绍了软结构和传感器的集成制作方法。结合系统的软硬件配置,搭建了软体手的驱动控制系统和触觉传感系统。软手指与软手掌的触觉感知算法研究。对于软手指集成的Flex传感器,通过电路分析和信号标定,实现了对软手指弯曲度的感知。对于软手掌集成的Tac Tip传感器,首先利用图像处理手段提出了二维接触区域感知算法;然后基于相机的透视投影模型,提出了对软手掌变形曲面的三维重建算法。开展了软手掌接触感知实验,验证了所提出的触觉感知算法的准确性。面向物体分类任务的多元触觉融合感知方法研究。采用机器学习的方法,建立了日常物品的抓取数据集。通过对手指和手掌触觉信号的分析,提取了描述物体几何信息的空间特征。将手指和手掌的触觉特征融合,分别设计、训练了基于随机森林（RF）和支持向量机（SVM）的分类器,并对两个分类器的性能进行比较。结果表明SVM分类器的性能更佳,在本文的十分类任务中达到了87.50%的准确率。基于触觉感知信息的软体手抓取控制方法研究。搭建了机器人抓取控制系统,并在此基础上研究了软体手的抓取控制方法。首先,基于软手掌的接触状态感知,实现了软体手的适应性抓取控制。然后,基于软体手的抓取配置优化,实现了软体手的稳定性抓取控制。两种抓取控制方法的有效性都在机器人抓取系统实验中得到了验证。本文的研究成果面向智能化抓取任务和物体分类识别任务提出了基于软体手多元触觉感知的解决方案,有望应用于机器人随机物料分拣的作业场合。