目前,国内骨关节病患者已接近1亿人,造成很大的社会负担。关节置换手术能够治疗骨关节疾病。但人工关节置换手术由于精度等问题给病人带来了术后痛苦。为了提高手术精度和减轻医生的负担,人们将机器人的精准控制和医生的智能结合起来,开展了膝关节置换手术机器人技术研究。人机交互控制的柔顺性是关节置换手术机器人的重要问题,直接决定了机器人的易用性,是目前的研究热点。本文旨在通过对关节置换机器人的人机交互控制方法研究,提高其人机交互过程的柔顺性,以便于医生的使用。主要提出三种人机交互柔顺控制的方案,并用实验验证方法的有效性。本文的主要研究内容详述如下:分析了关节置换手术机器人的构型和绳驱传动特点,分析了机器人的正逆运动学,并推导了雅克比矩阵。为下面的变导纳人机交互控制打下基础。为了提高手术过程中人机交互的柔顺性,减轻医生负担,提出基于人手轨迹预测的变导纳人机交互控制,使用长短期记忆神经网络预测人手的轨迹,利用预测到的下一时刻位移信息,识别出操作者的意图,并依此改变导纳矩阵,让操作者向意图方向移动时更轻松。通过实验证明该方法提高了人机交互的柔顺性。为了考虑手术中骨接触力等环境因素对人机交互的影响,提出变导纳人-机-环境交互控制,引入手术过程中的环境因素,设计力估计器分离出交互力和环境力。结合预测的轨迹与交互力、环境力的关系,制定变导纳策略进行人机交互,与普通人机交互的对比,证明人-机-环境交互方法进一步提高了人机交互的柔顺性。为了解决依赖模型的方法中由于绳驱非线性摩擦和蠕变效应导致的模型不准确问题,提出了模型无关的基于强化学习的变导纳人机交互控制方法,在点到点直线运动的任务场景下,使用深度确定性策略梯度方法训练智能体选择适当的导纳值,达到趋近整体加加速度最小的目的。与理想模型进行对比,证明该方法的有效性和可行性。