大型复杂曲面零件尺寸大、型面复杂、刚度变化大,目前常用人工磨抛效率低、一致性差、危害人体健康。而机器人磨抛具有操作灵活、效率高、成本低等优势,因此机器人自动化磨抛成为新的可行方法。机器人磨抛的关键技术包括规划磨抛路径对曲面跟踪,以及与曲面的恒力接触。然而目前针对曲面路径规划时常用的离线编程策略存在如下问题:（1）末端轴线方向与曲面法线方向无法重合;（2）参数调试过程繁琐;（3）末端与曲面接触力变化较大。示教学习模仿人的磨抛经验与技能,具有简化编程、提高效率、柔顺接触等优势,成为机器人路径规划中新的方法,然而利用示教学习路径规划时仍然存在如下问题:（1）路径规划效率低;（2）关键点的位置精度低;（3）示教路径无法对复杂曲面其它区域泛化。因此本文首先在示教学习对机器人复杂曲面路径规划的基础上,再提高规划的效率与精度,同时在曲面的不同区域对路径泛化;然后研制单自由度柔性力控磨抛法兰,通过法兰的力控制补偿机器人路径规划的位置误差,两者相互结合,实现末端与复杂曲面恒力接触。本文主要研究工作以如下:1、基于示教学习的机器人路径复现。第一部分针对机器人多自由度示教学习计算复杂的问题,利用AE对双臂机器人规划空间降维,在低维空间用双向快速扩展随机树规划得到无碰撞的路径;第二部分针对任务关键点精度提高的问题,先求解GMM建模平均似然概率和GMR回归的路径点与关键点的位置的差值,然后加权求和得到总误差函数,最后用粒子群算法求解。实验结果表明:原关节空间相比隐层空间规划运动的时间从7s减小为3s。GMR回归路径的关键点与原示教路径对应点距离为由原来3.02cm减小为1.52cm。2、基于示教学习的机器人路径泛化。针对示教学习只能对示教的任务复现,无泛化能力的问题,首先获取任务示教数据后按照路径是否出现关键点将其分为两段,初始位置变化后,然后利用任务参数化的高斯混合模型训练并泛化第一条路径,最后和原示教的第二段的路径组合为新的示教路径。在UR5工业机器人上实验,结果表明机器人新的初始位置移动后仍能生成新的路径,且模仿原人示教的经验,保留原路径位置变化的信息。3、单自由度柔性力控磨抛法兰研制。针对机器人末端与曲面接触存在位姿误差,较难实现接触力精确控制的问题。首先研制了单自由度柔性力控磨抛法兰,然后提出利用稀疏贝叶斯（SBL）估计法兰与叶片之间的环境刚度,以及基于模糊自适应阻抗控制恒力控制的算法。补偿机器人路径规划的误差,实现在非结构环境下更精确的力和位置调控。实验结果表明力控制精度在±0.3N以内。4、大型复杂曲面机器人磨抛实验。首先开发法兰的调试界面和控制系统实现数字化磨抛,然后对玻璃纤维的平板磨抛实验,进行不同的磨抛参数变化对照实验获取较优的工艺参数,包括期望接触力的大小,磨抛电机的转速以及磨抛砂纸的目数。最后进行大型风电叶片和高铁白车身的侧墙的磨抛实验,结果表明力稳态误差约为±2N以内,表面粗糙度降低为0.4μm。