接触型人机交互技术在工业、军事、医疗护理等领域都有广泛的应用前景。机器人需要通过力感知的方式与人进行交互,为了在保障人安全的同时实现机器人自然、平滑、柔顺的运动,这就要求机器人对接触力的检测由末端扩展到任意位置。然而,目前的皮肤传感器不成熟、在机器人关节处集成力传感器复杂,这些问题极大的限制了人机交互的灵活性。为此,本文提出了基于电机驱动电流和机器人先验动力学知识的动力学参数辨识及对应的全臂接触力感知方法,之后采用基于位置控制的阻抗控制方法,实现了无需额外安装力/触传感器的机械臂全臂的柔顺控制。首先,本文以三自由度机械臂平台为主要研究对象,分析了其机械机构、驱动和控制系统,运用DH表示法对机械臂的运动学建模,建立了机械臂末端在空间的位姿与关节变量之间的关系,并用解析法求出了反解,分析了其工作空间,从而为运动控制提供理论基础。其次,通过分析神经网络的训练过程,建立了基于机械臂动力学先验知识的神经网络,以机械臂运动过程中关节变量与关节力矩之间的关系作为训练目标,对机械臂动力学模型进行离线训练,实现外界作用力在关节空间映射的实时估计。在训练过程中采用了一种由末端关节到初始关节参数辨识的方法,该方法的优势在于克服了传统方法中由于训练过程中鞍点所造成的辨识结果对初值的依赖性。实验表明该方法不仅降低了训练所需样本的数量,同时神经网络可以有效的泛化到未观测空间,减少了优化过程中的鞍点数量,实现神经网络对理想动力学参数的精准辨识。再次,在得到精确动力学模型及接触力在关节空间映射的基础上,采用了基于位置控制的阻抗控制方法进行机械臂柔顺控制。对于阻抗外环,提出一种将S型生长曲线函数作为权重的改进阻抗模型,提高了机械臂对接触力变化的敏感度;内环采用了基于RBF神经网络的自适应滑模控制器以实现良好的轨迹跟随,从而保证人机协作系统的安全与高效的运行。最后,通过LABVIEW编写了三自由度机械臂的整体控制程序,并进行了人机协调运动实验,实现了机械臂和人自然友好的握手。实验结果证明,本文提出的基于电机驱动电流和机械臂动力学的力感知方法是有效的,并且可以精确的检测机械臂全臂接触力信息,并在此基础上通过关节阻抗控制实现人机协调动作。