随着城镇化进程加快,建筑垃圾产量逐年递增,对建筑垃圾的减量化、无害化和资源的循环高效利用将势在必行。针对建筑垃圾种类纷繁复杂,单一识别技术难以实现,必须多种检测技术相结合才能提高识别准确率。本论文提出两种涉及到机械手触觉识别的分拣技术,作为现有建筑垃圾多种识别技术方案的一个有益补充,并开发桁架式机器人分拣系统,对提出的识别分拣技术有效性进行验证。主要工作内容如下:(1)根据建筑垃圾分拣的工况需求,提出一种桁架式机器人自动化分拣系统方案,包括:图像采集模块、桁架式运动控制模块、物料输送模块等的设计、选型与开发。在此基础上,提出基于物料密度识别的分拣技术和基于机械手触觉识别的分拣技术。其中,针对基于机械手触觉识别分拣技术,提出一种基于能量模型的数据融合方法,即可通过机械手触觉加速度曲线信号,准确识别被抓取物料的类型。(2)在当前建筑垃圾机械手抓取重量有限的基础上,对机械手结构进行创新性设计,提出一种组件少,结构简单,抓取力足够大的机械手设计方案。在多体动力学仿真软件ADAMS中,对机械手运动同步性、力流传递等进行仿真分析研究,证明了该机械手设计方案具有可行性。(3)研究了常用的三次多项式、五次多项式、抛物线过渡、正弦曲线插值等机械手关节空间轨迹规划方法。通过对比分析,鉴于正弦曲线运动特性较好(即:无冲击、平稳性好),采用其用于本论文中桁架式机器人分拣系统的关节空间轨迹规划。同时,研究了两种常用的笛卡尔空间轨迹规划方法。考虑到空间直线插值方法简单实用,故作为本论文中桁架式机器人分拣系统的笛卡尔空间轨迹控制中。(4)开展桁架式机器人分拣试验研究,对基于物料密度识别的分拣技术和基于机械手触觉识别的分拣技术分别进行验证。试验结果表明:基于物料密度分拣正确率为60%~75%;基于机械手触觉分拣方案,对于硬度差异比较大的材料,采用物料加速度曲线数据融合方法判别物料类型,分拣正确率为80%~90%。因此,两种分拣方案均具有一定可行性,可以作为现有分拣技术的一个有益补充。