抓取是人类在日常生活中执行作业不可或缺的动作,机器人的智能化发展进程中不可避免的需对其进行抓取操作控制的研究。世界并不是一条可预测的装配线,机器人在非结构环境下工作需要丰富的感知信息。随着计算机技术等的进步,机器人视、听觉感知相关研究取得到一定进展,但是在复杂的非结构环境下机器人的感知信息会受到干扰与影响,致使机器人在执行接触作业时易出现作业失败、交互安全等问题。触觉感知作为人唯一的接触感知能力,为人类在接触感知世界的过程中提供必要信息,同样的触觉感知系统可为机器人在非结构条件下与环境及物体交互并实现抓取操作动作提供可能。本文针对机器人在触力觉感知信息控制下的夹持操作进行相关研究。首先根据人的抓取预判这一特性,为机器人预先获取作业目标的信息,对图像采集传感器获取的目标信息进行识别;搭建基于机械臂及末端操作器的机器人平台,建立通过目标识别信息调整夹持操作运动控制的期望输出的控制模式;对现有夹持稳定分析方法,根据方法的优缺点及机器人夹持操作需求选择满足要求的感知信息处理方法进行机器人夹持操作作业状态的判断。仿照人类通过皮肤获取触摸信息,选择合适工作原理的传感器搭建机器人感知系统,通过信号处理方法获取触力觉感知信息,使用感知信息表征机器人执行夹持操作的状态信息,并对不同状态信息下的感知输出进行分析。对机器人夹持操作进行控制时需要根据触力觉感知信息获取期望的作业输出,为处理非线性的复杂触力觉输入信息,选择机器学习的方法,使用径向基神经网络对输入输出模型进行训练,通过改善的减法聚类优化训练网络结构参数,并对网络输出结果进行评定。最后在搭建的机器人平台端进行基于感知信息的夹持操作控制实验,通过先验的目标识别信息对机器人夹持操作期望输出进行修正,完善搭建的机器人夹持操作控制框架,分别针对不同特性的作业目标进行夹持操作实验,实验结果表明使用的控制方法能够满足对作业目标的夹持操作任务。