具有多自由度的多指机械手的机器人系统是仿人型机器人的重要组成部分,是实现机器人灵巧操作的执行机构。目前,随着机械手越来越广泛的应用,其作业环境的复杂性和执行任务所要求的精细化程度也变得越来越高。机械手的抓取策略问题是目前人工智能方面非常重要的一个研究方向,同时机械手抓取操作的灵巧性、智能化问题需要进一步的研究。本文以机械手为对象,基于神经网络和高斯过程,对机械手的抓取策略问题进行研究。具体的研究内容如下:(1)为了研究机械手抓取时手指与物体之间的运动关系,对机械手手指进行了运动学与动力学分析,其中动力学分析主要是位置运动学,包括机械手手指的正运动学和逆运动学,而机械手手指的动力学包括手指连杆动力学和基关节动力学。以单个手指为研究对象,讨论了其控制方法,建立了仿真模型,并在MATLAB中进行了仿真实验。(2)针对机械手抓取策略中抓取点的规划问题,提出了基于神经网络和高斯过程的抓取规划方法。首先描述了机械手抓取的数学模型,讨论了机械手抓取的力封闭性,然后提出了基于神经网络的抓取模式规划方法,在MATLAB中建立RBF网络模型对抓取模式进行训练。设计了基于高斯过程分类的规划器,以所选取的特征为输入,给出抓取点可行的概率。(3)为了分析机械手抓取策略中的抓取操作以及接触的问题。针对三类基本形状的物体对实物进行三维建模,建立了机械手/臂虚拟模型。根据确定的抓取操作的构型,利用数据手套和力传感手套采集了关节转动角度和接触力的数据,并将数据导入到MATLAB中进行处理,最后在ADAMS中进行了仿真验证。