人类使用的反馈信息主要有三种,分别是触觉反馈、视觉反馈和声音反馈。无论对于人类还是机器人而言,触觉感知系统所获得的信息都是机器人对周围环境进行探索与识别的重要媒介,也是实现人机交互的重要条件之一。截止到目前,机器人上采集到的数据类型大致分为:触觉、视觉、深度、各种关节角度等,例如:灵巧手手指关节角度、腕关节角度等。这些数据可以单独使用作为精细操作的指导,也可以联合使用指导精细操作。在触觉分类方面,通过安装在机器人执行器上面的机械手与物体接触的过程中,关节传感器记录下来抓取过程中各个关节的角度变化,触觉传感器记录下来整个抓取过程中物体的受力变化并将这些触觉时间序列和关节角度发送至终端保存下来,能够极大的弥补依靠激光雷达、腕力传感器、距离传感器带来的不足。通过对采集到的丰富数据的处理送入不同的分类器可以有效的提高机器人在复杂环境中的抓取稳定性分析以及后续的准确分类,从而提高机器人对周围环境的感知。首先,本文介绍了抓取稳定性分析、触觉信息分类在机器人智能控制领域的研究现状,通过列举其他研究人员的文献,分析了使用势能方法分析物体抓取稳定性分析的优缺点,引出了本文提出的利用触觉信息和机器人关节角度分析抓取稳定性的合理性和创新性。随后又提出了利用核的思想将触觉信息和机器人关节角度进行建模构造DTW核和GA核送入不同的机器学习中去进行处理和分析。通过分析实验结果可知GA核的实验效果要比DTW核好,并且极限学习机的算法结果要比支持向量机好。其次利用已有的触觉形容词数据集进行DTW核和GA核建模。再分别送入机器学习中进行形容词属性分类。为了得到对比实验结果,本文利用最近邻算法进行触觉形容词分类,为了保证分类过程及结果的可靠性,每个算法的实验条件均完全相同。上述几种算法在进行形容词属性识别过程中有着各自的优缺点,但是机器学习算法的分类结果具有明显优势。并且GA核的实验效果要比DTW核好。在未来的工作中,这种算法将应用于实时抓取操作中,使机器人在抓取过程中就能够实现对所抓取物体的判断与识别。