本课题针对橡胶拆垛机器人在拆分黏性橡胶垛这一特殊应用场合的性能要求,开展橡胶拆垛机器人轨迹优化及控制研究,建立了机器人插入黏弹性橡胶过程的力学模型;并以此为基础开展了黏弹性接触过程的机器人最优轨迹规划以及自适应反演控制研究;针对橡胶拆分过程胶块间黏连力的未知性,开展了基于强化学习算法的机器人改进阻抗控制策略研究;此外基于工业计算机和高速通讯总线技术,搭建了橡胶拆垛机器人实验验证平台并进行了相应性能测试与实验研究。针对机器人插入橡胶过程的动力学建模问题,本文提出了一种基于Hunt-Crossley基础模型的黏弹性力学模型建立方法,并搭建模拟实验系统对模型的准确性进行了实验验证。首先对线性及非线性黏弹性接触模型进行分析,通过对滞后回线以及功率流曲线进行对比,选取Hunt-Crossley非线性模型作为基础模型,基于该基础模型对执行器插入橡胶过程进行受力分析,建立了力学模型并通过线性化处理降低了模型求解难度。采用Levenberg-Marquardt非线性最小二乘法对模型进行了参数辨识并重建力学模型,采用Kruskal-Wallis非参数测试方法对实验结果进行了统计学分析,验证了该力学模型相比于其它线性模型误差最小,更加趋近实测结果。针对机器人插入黏弹性橡胶过程产生的动力学建模误差以及强烈外界干扰等问题,本文提出了一种基于浮动过渡点的多目标轨迹优化以及基于递归模糊小波神经网络(RFWNN)的自适应反演轨迹跟踪控制方法。首先,结合黏弹性动力学模型以及机器人作业特点,提出了包括作业效率、运行轨迹平滑度、能耗以及归一化力矩在内的七个设计指标,分别将其作为目标函数和约束条件,建立了具有三个目标函数的多目标轨迹优化模型,对B样条轨迹的浮动过渡点进行寻优。采用NSGA-II非支配遗传算法进行求解,得出了机器人插入黏弹性橡胶过程的最优轨迹,并基于该最优轨迹利用遍历法求得整垛橡胶的能耗最优卸料点。然后针对机器人插入黏弹性橡胶过程的抗干扰轨迹跟踪控制问题,采用RFWNN方法估计机器人动力学的不确定项,同时基于Lyapunov定理设计了一种自适应反演控制律来消除动力学估计误差以及未知扰动。最后对上述控制方法进行了仿真对比,验证了本文所提出的控制策略能够使橡胶拆垛机器人按照最优轨迹精确平稳的完成橡胶插入任务。由于在橡胶拆分过程胶块间的黏连力时变且未知,为提高机器人与非结构环境接触过程的平稳性,本文采用改进的阻抗控制来设计橡胶拆垛机器人控制策略。首先分别对基于动力学以及位置的阻抗控制方法进行分析,论证了传统阻抗控制方法在干扰环境下难以同时保证机器人阻抗准确性以及鲁棒性的原因,据此提出了一种基于时间延迟估计和NAC强化学习的内/外环阻抗控制策略,并推导出了控制策略的稳定性限定条件。通过内/外环控制施加所需阻抗并校正因橡胶间黏连力的未知性扰动所产生的建模误差,采用时间延迟估计方法来估计并补偿机器人的非线性动力学项,采用基于递归最小二乘(RLS)滤波的自然梯度行动者-评论家(Actor-Critic)强化学习算法(NAC)对控制系统阻抗参数进行在线寻优。通过分析,论证了上述控制策略能够在非结构动态环境下,同时提高机器人控制系统的阻抗准确性及鲁棒性,使机器人能够在未知黏连力作用下平稳运行减小振动,提高了橡胶拆分性能。在橡胶拆垛机器人实验平台搭建方面,本文设计了一种基于工业控制计算机(IPC)以及高速通讯总线技术的机器人实时运动控制系统,并基于运动控制状态机,编写了机器人底层控制软件。采用基于Windows的实时系统Twin CAT完成伺服周期定时,在每一个伺服周期内伺服控制指令通过Ether CAT总线传递给驱动器,并完成运动指令的反馈。最后,进行了橡胶拆垛机器人插入橡胶过程的黏弹性接触实验以及黏连力未知情况下的橡胶拆分实验,验证了本文所提出控制策略的有效性。