叶片的加工质量直接影响着汽轮发动机的性能和寿命。目前将机器人应用于叶片型面等已知结构的自动化抛光技术已较为成熟,但是对于叶缘、阻尼台等较为复杂的结构,由于机器人编程复杂且配置困难,仍然以人工抛光为主,效率较低且无法保证表面一致性。本文针对具有复杂结构叶片的机器人抛光问题,提出了一种基于人-机器人示教(Human-Robot Demonstration)辅助编程的机器人自动化力控抛光方法,围绕人-机器人示教的柔顺性和机器人-环境接触力控制两个关键技术展开了研究。本文具体研究内容如下:1.机器人控制模型构建。针对工业常用的串联型机器人进行了运动学和动力学分析,在Matlab环境下分别建立了其运动学和动力学模型,然后分析了目前常用的运动控制和力控制框架,得出运动控制是力控制精度的保障的结论,提出采用“外环力控制+内环运动控制”的机器人柔顺控制的总体框架,以保证机器人的力控制精度,实验结果证明了所提方法的有效性。2.自适应运动控制器设计与改进。针对所提的柔顺控制总体框架的内环运动控制器,首先建立了笛卡尔空间下的驱动力矩设计模型,采用比例微分(PD)控制器实现了笛卡尔空间下的轨迹跟踪控制。然后采用鲁棒自适应PD控制器,提高了轨迹跟踪精度和鲁棒性。最后提出径向神经网络自适应控制方法,无需提前对机器人动力学模型进行线性化处理,超调量降低90%以上,轨迹跟踪精度得到进一步提升。3.基于意图预测的人-机器人柔顺示教。针对人-机器人交互过程中的柔顺性问题,首先建立了人-机器人交互系统的线性二次型调节器模型,并采用积分强化学习方法对阻抗参数进行在线优化,降低了操作力,提高了柔顺性。为了消除阻抗模型带来的延时,提出了一种基于意图预测的力前馈补偿方法,较未采用前馈补偿的情况操作力降低90%,位置跟踪精度也得以提升。4.复杂结构环境恒力跟踪研究。针对与环境接触时的恒力控制问题,首先提出了一种基于强化学习的恒力跟踪方法,经过多次离线训练可以将力跟踪误差控制在10%以内。然后提出了一种基于参考轨迹在线修调的恒力跟踪方法并对其进行了改进,实现了在线的恒力跟踪控制。由实验可知力控精度较改进前提升了30%。最后进行了实验,实验结果表明前馈补偿人-机器人交互方法可有效提高机器人柔顺性,改进的参考轨迹在线修调方法可以实现较高精度的恒力跟踪。