随着科学技术的进步和人们对智能生活的需求的增大,能够实现人机交互的智能仿生和仿人机器人也得到了空前的发展。触觉传感器能够在一定程度上模仿人体触觉感知能力,并提取接触过程中的各种信息,但是这些信息并不能直接提高仿生或仿人机器人的工作能力,如何把从触觉传感器中获得的未处理的初始数据,转换为有用的高级信息,是实现智能机器人进行人机正常工作和人机交互的关键步骤之一。柔性触觉传感器进行三维力解耦在机器人实现滑动检测,进而实现智能抓取中具有十分非常重要的意义。本文总结前人经验,在前人的研究基础上,针对目前触觉传感器无法兼有柔性和三维力检测等难题,依托中国科学院重庆研究院设计了一种新型的分布式碳纳米墙柔性触觉传感器,并介绍了传感器的材料结构,柔性FPC的设计方案等,并对传感器进行了相关的性能测试,确保传感器件的可靠性。并设计了一种专门的基于STM32的触觉传感器数据采集硬件系统,最后介绍了数据采集的原理及数据采集过程。针对不同的三维力解耦算法,本文详细介绍了BP神经网络和BAS-BP神经网络两种算法的三维力解耦过程,并使用RBF、GA-BP算法做了相关的对比实验,最终选取了最优的三维力解耦算法。最后使用第二、第三部分的相关设备和结论,增加了机械手在抓取过程中的滑动检测实验。使用离散小波分析的方法,得到了相应的滑动阈值。使用设定好的滑动阈值能够稳定的判断在抓取过程中是否发生滑动,便于采取增加抓取力等操作。结果表明,新型分布式碳纳米墙触觉传感器与常规触觉传感器相比,具有柔韧性、高灵敏、大量程等优点。与BP神经网络等常规算法相比,基于天牛须搜索算法优化的BP神经网络算法(BAS-BP)能够有效的降低非线性拟合的误差。在机械手抓取的过程中,对解耦出来的三维力分别使用离散小波分析,得到相应的滑动阈值,能够使用设定的阈值准确的判断出在抓取过程中物体是否滑动,为实现机械手的智能抓取奠定了基础。