力感知在微创手术机器人辅助手术中具有重要的作用,可以提高手术的安全性、透明性,让医生有更好的手术沉浸感。但是由于手术机器人末端执行器需要接触人体组织,具有非常高的清洁度、电磁干扰等要求,所以很难在器械上集成力觉传感器,因此力感知没有很好的应用到手术机器人上。针对这个问题,本文将研究具有夹持力检测及其反馈的手术机器人。首先对手术机器人进行运动学建模,由于手术机器人从手末端执行器特殊的钢丝传动结构,手术机器人位姿的变化也会对末端夹持力有影响,所以先分析了从手运动对夹持力的影响。然后根据实时性等要求,设计快速求解析逆解的方法,解决传统雅克比矩阵求逆解速度慢的问题。其次对手术机器人从手末端执行器夹持力的检测方法进行研究,设计一种无传感器夹持力检测方案。该方案主要是通过遗传算法优化的神经网络去学习得到电机输出信号和夹持力之间的模型,根据得到的模型,手术过程中可以在线根据当前电机输出信号估计夹持力。为了说明无传感器检测方法的准确性等优点,将无传感器夹持力检测方法与基于传感器的夹持力检测方法一起进行有效性分析,无传感器夹持力的检测方法精确度高,并且没有迟滞问题,使用上更为简单有效、成本低。再对夹持力反馈控制进行研究,首先分析主从力控制系统,通过建立人手-主手模型,分析了力反馈控制系统中人手引入的动态干扰,针对具有人手动态干扰、阻抗模型不确定的系统,设计模糊PID作为夹持力反馈控制系统的闭环力控制器,并仿真验证控制器的响应效果,验证设计的力反馈控制方法可以快速、准确地反馈夹持力。最后搭建了相关研究内容的验证平台,先通过手术机器人的主、从手相对位移的对比,验证所设计快速求解析逆解的方法的实用性;然后对更简单有效的无传感器夹持力检测方案进行验证,对比Flexiforce传感器检测的真实夹持力,可以验证设计的夹持力检测方案具有较高的精确度;最后进行夹持力检测与力反馈整体实验,通过对比反馈到人手的夹持力和检测到从手的夹持力,验证本文所研究的模糊PID力控制器具有响应快,准确度高的优点。