在产业自动化转型升级的趋势下,机器人需要在各种复杂工况的实际场景中完成指定任务,这要求其具备良好的柔顺性和环境共融性。机械手作为机器人与环境交互的关键部分,能够针对不同形状的物体进行自适应柔顺抓取并感知接触力是其需要具备的两个重要功能。然而,现有的大部分机械手存在力感知精度低、环境共融性差、制造成本高等局限性,难以满足上述需求。为了解决这些问题,本课题设计了一种抓取感知一体化的柔性手爪,并开展了柔性机械手在抓取过程中的接触力感知方法的相关研究。为了满足不同复杂工况下对不规则形状物体的抓取操作需求,设计了一种“类鱼鳍”仿生结构的柔性手爪。利用柔性手指构型本身的力学特性,实现抓取过程中的自适应包络,并使用TPU柔性材料作为结构本体的主要组成部分,以保证手爪具备良好的柔顺性;同时,为了减小柔性材料非线性的力学特性对力感知精度的影响,在手指内部嵌入碳素弹簧钢片,提高了接触力感知的精度。整个柔性机械手具有结构紧凑、控制简单、成本低的特点,并具备多个可控自由度,能够满足自适应抓取和灵巧操作的需求。提出了基于人工神经网络（ANN）和有限元方法（FEM）的力感知建模方法。根据手指结构建立了“力-形变”的有限元框架模型,并通过人工神经网络对理论模型和物理模型之间的非线性误差进行补偿,最后通过最小二乘方法（LSM）的最优估计模型进行求解,实现高精度的力感知。基于ANN-FEM的力感知建模方法为实现抓取过程中的力反馈控制提供了理论基础。设计了基于应变检测的力感知及反馈控制方案。通过全桥应变片检测柔性手爪在抓取过程中的应变,并将其输入到基于人工神经网络的误差补偿模型中求解理论形变,然后将理论形变输入到基于有限元理论的LSM最优估计模型中,从而感知相应的接触力。最后,将感知到的接触力作为反馈信号,实现柔性机械手在抓取过程中的闭环控制。完成了柔性机械手的样机制作和实验验证平台,开展了柔性机械手力感知验证和反馈控制等实验。实验结果表明,所开发的柔性手爪不仅具有良好的自适应抓取能力,而且还能实现高精度力感知,并进行有效的接触力反馈控制,因此可以满足非结构工况下的柔顺抓取作业需求。