在高加/减速控制模式或重载工作条件下,关节柔性是控制系统中不可忽略的影响因素。随着刚性关节机械臂控制理论的成熟,关节柔性已经成为制约机械臂控制性能进一步提升的瓶颈。此外,随着当前人机安全型机器人技术的发展,具有本质关节柔性的机器人正成为未来的研究热点。在此背景下,本课题的研究工作拟围绕柔性关节的参数辨识和自适应控制两方面展开。针对柔性关节所具有的内部弹性力矩耦合以及欠驱动特性,本课题提出了基于弹性力矩模型的分层控制策略。针对传统PD控制器抗扰动性能差的问题,在PD控制律的基础上引入一种非干涉型系统函数估计方法实现了对系统未建模误差的扰动补偿,从而构建出一种结构简单且具有较强的抗干扰性能的柔性关节自适应控制算法。引入基于RBF神经网络的自适应控制算法进行对比,并在控制系统仿真实验中初步验证了所提控制算法的有效性。针对传统基于直接动力学模型的柔性关节参数辨识方法存在对高阶微分噪声敏感的问题,本课题提出了一种基于非干涉型系统函数估计的间接辨识方法。该方法首先构造出一种包含所有待辨识参数的系统函数,然后使用该系统函数替代直接动力学模型进行参数辨识。由于系统函数方程中不存在角加速度等高阶微分项,因此一定程度上解决了辨识算法对高阶微分噪声敏感的问题,提高了辨识算法的抗干扰性能。此外,该辨识算法仅利用控制系统现有的传感器资源便可以完成柔性关节的参数辨识,不需要额外附加扭矩传感器,以此便于工程运用为满足柔性关节参数辨识和自适应控制算法研究的需要,本课题设计搭建了单自由度柔性关节实验平台。在此平台的基础上,通过不同负载情况下,柔性关节对不同正弦信号的轨迹跟踪控制实验,验证了本课题所提基于非干涉型系统函数估计的自适应控制算法的有效性;通过弹性力矩建模误差干扰下的轨迹跟踪实验,验证了该控制算法的抗干扰性;通过两个不同的正弦信号激励下的系统函数估计实验,验证了本课题所提非干涉型系统函数估计方法的有效性;最后通过与传统基于直接动力学模型的辨识方法及基于积分作用的辨识方法进行对比实验,验证了本课题所提基于非干涉型系统函数估计的参数辨识算法的有效性。