多维力/力矩传感器已广泛应用于基于力触觉的人机交互、智能机器人、生物医学研究、医疗器械、汽车、航空航天等领域。六维力传感器可以同时检测三维空间的三个力分量和三个力矩分量。在人机交互领域,力触觉交互是一种可双向传递信息的新型人机交互技术,它能够让操作者触摸、感知和操纵虚拟物体,并向操作者再现虚拟物体的多种特征信息,其中多维力传感器将感知的力觉信息传递给控制器,然后通过执行器向用户传递交互中产生的力信息。在智能机器人领域,力觉信息的准确获取,是机器人对环境状态的准确认知和顺利完成后续的力反馈与力控制的基础和前提。在航空航天领域,安装于空间站机械臂关节处的多维力/力矩传感器可以帮助机械臂实现力反馈功能,大大扩展了机械臂的应用范围。本文针对高速作业机器人的力控制要求,开展了高速作业机器人用多维力传感器的静、动态性能的研究,解决了以前由于结构设计、动态性能的测定与分析、动态性能补偿等基础理论和方法的缺乏,导致多维力传感器无法用于高速作业机器人中的问题。首先设计了高速作业机器人用六维力/力矩传感器系统,包括传感器机械结构的设计、后续信号调理电路的设计等。利用有限元分析软件对传感器弹性体进行了静、动力学仿真分析,得到了弹性体在各方向载荷作用下的应力、应变值,确定了结构的振动特性。六维力传感器的精度除了与弹性体的加工制作、应变片的粘贴等工艺有关外,还与其标定系统的精度有很大关系。因此,本文针对影响六维力传感器测量精度的标定系统可能的误差因素进行了分析,建立了传感器标定系统的误差模型,并提出了降低标定系统误差的措施。维间耦合严重制约着多维力传感器的测量精度。针对BP神经网络对初始权值敏感、收敛速度慢、易陷入局部极小值等问题,本文将智能优化算法应用于神经网络初始权值的调整中,提出了一种遗传算法优化BP神经网络的六维力传感器静态解耦算法。实验结果验证了该方法可以解决BP神经网络解耦算法的相关问题,解耦精度更高,收敛速度更快。在传感器弹性体设计过程中,当提出某种结构尺寸后,就需要建立模型,分析各载荷下的应变分布及其静、动力学性能。而通常的简化静力学模型只能进行静力学分析,且不同的方向具有不同的模型,需要分别建模,这就增加了建模的难度。针对这些问题,本文将矩阵位移法引入到弹性体的建模过程中,从而建立了基于矩阵位移法的伪静态模型。利用该模型可以分析不同方向载荷作用时,各节点的位移、速度和加速度特性,各通道的静态刚度、固有频率等,即可以同时对弹性体进行运动学和静、动态性能分析。针对载荷对多维力传感器动态性能的影响,对传感器的负载特性进行了相关分析。在忽略负载形状等影响因素的条件下,得到了系统固有频率与所带负载大小之间的定性和定量关系。针对电阻应变式多维力传感器普遍存在的阶跃响应振荡剧烈、响应时间长等问题,文中将PID（Proportional Integral Derivative）控制技术与神经网络相结合,提出了基于PID神经网络控制器的多维力传感器的动态性能补偿方法。系统仿真结果显示,通过该方法将系统的响应时间从250 ms缩短到120 ms,工作带宽从300 Hz拓展到610 Hz,同时实现了各通道间的动态解耦,并且该方法可以实时修正,且不依赖于多维力传感器精确的数学模型。由于高速作业机器人用六维力传感器处于多维加速度场中,传感器弹性体质量附加的惯性力/力矩会形成测量误差,需要寻找一种质量更轻、灵敏度也较高的弹性体材料。因此,本文采用一种各项性能优异的新型树脂材料——PEEK作为制作传感器弹性体的材料,设计了一款基于PEEK材料弹性体的六维力传感器。实验结果显示,该传感器与普通的铝合金传感器在线性度、迟滞、重复性、耦合误差等方面性能相当,但灵敏度却高出数十倍。但其动态性能较差,相同尺寸下,固有频率仅为铝合金传感器的1/4左右。