协作型机械臂可以和操作人员协同工作,是智能制造中不可缺少的设备之一。相比传统生产线上的机械臂需要通过编程操作,协作机械臂通过协作技术,例如柔顺拖动、碰撞检测、混合力\位控制等,能大大降低机械臂的操作门槛,使得机械臂更安全,更易用。为了令机械臂具备人机交互的能力,需要机械臂能感知本体和外部环境之间的接触力。目前常用的感知技术是在机械臂的连杆侧安装力矩传感器或者在机械臂末端安装六维传感器,这些方法虽然可以解决外力/力矩检测问题,但由于目前力/力矩传感器造价不菲,因而在很大程度上阻碍了协作机械臂的市场推广。因此,无力/力矩传感器的机械臂外力/力矩估计问题逐渐成为了协作机械臂的研究热点之一,具有重要的研究价值。本文从机械臂控制系统设计、动力学模型辨识、外力矩估计方案设计以及基于外力矩估计的柔顺拖动问题四个方面对无力/力矩传感器的机械臂外力矩估计问题进行系统性的研究。为使研究结果具有说服力,本文的所有算法都在ER3A-C60六轴机械臂上进行实验验证。论文的主要结果和贡献如下。一、从实验目的出发,对控制系统的软硬件框架进行设计,并利用实验室现有的硬件设备对框架中需要的设备进行选型和介绍。然后,介绍针对本文实验设计的软件框架,以及各个算法模块的实现流程。最后,针对驱动器中采集的力矩和真实力矩不同的问题,设计力矩系数的修正实验对驱动器采集力矩进行修正,为后文实验奠定基础。二、为了获取准确的动力学模型参数,本文首先采用五阶傅里叶级数作为激励轨迹模型,并采用遗传算法对回归矩阵的条件数进行优化。然后,通过设计双边巴特沃斯滤波器对采集的实验数据进行滤波减少噪声对系统辨识的影响。最后,根据辨识模型关于参数线性的特性,采用最小二乘算法对参数集进行辨识。为了验证辨识参数的准确性,防止辨识结果过拟合,设计一条不同的验证轨迹对模型参数的准确性进行分析。三、为了对外力矩进行估计,本文将外力矩视为系统的外部干扰,设计了基于扩张状态观测器（Extended State Observer,ESO）的估计算法。通过对实际机械臂模型的不确定性进行分析,研究了模型不确定性对观测器估计精度的影响。最后,通过对机械臂静止和运动两种状态分别进行外力矩估计实验,研究两种不同状态下外力矩的估计效果。四、为了研究上述辨识得到的动力学模型和估计得到的外力矩是否满足实际应用的要求,对基于动力学模型补偿的零力拖动和基于外力矩估计的导纳控制柔顺拖动技术进行研究。由于目前学术上缺乏定量判断拖动柔顺性的方法,本文基于拖动过程的动力学模型,提出一种柔顺性评价方法。然后,采用该方法对两种拖动实验的柔顺性进行分析,研究无力/力矩传感器的机械臂进行柔顺拖动的效果。