随着科学技术的不断进步，各式各样适合人类需要的机器人已经出现在了人们的工作和生活中，有些机器人的能力甚至超出了人们的想象。机器人在自由空间的控制已经取得了良好的效果，在这样的环境中机器人不与外界物体接触只需要考虑路径规划问题。但是在工业生产中以及现实生活中物体之间的接触是不可避免的，机器人也同样需要和外界接触来完成指定的功能。本文研究的控制算法正是为了解决这类有力接触的问题而提出的。首先，研究了基础的阻抗控制算法，运用阻抗控制把运动轨迹和力控容纳到一个动态框架中。避免了位置和力需要两套控制策略，减轻了控制任务，并且对环境变化和扰动有很强的适应能力。通过阻抗关系把很难同时控制的力和位置统一控制，实现起来变得简单了。阻抗方程中的惯性系数，阻尼系数，刚度系数等参数的选择直接影响系统的动态性能。本文首先通过大量的试用来得到3个重要的阻抗系数，使得惯性系数，阻尼系数，刚度系数都取得了比较理想的值。在自由空间里输入不同的函数来验证阻抗控制算法，可以看出经过控制器后输出曲线快速准确地跟踪上了输入的曲线。在受力空间中主要验证力的跟踪情况，通过实验可以看出阻抗控制可以把力控制在一定的范围里，这样在实际工作有很大的用处。然后，使用了临界试度法来调整阻抗参数，首先把阻尼系数取值尽量小而刚度系数取值尽量大，这样就把这两个系数对系统的影响降到最低，来突出惯性系数对系统的调节作用。得到临界惯性系数和临界周期后制定经验公式表，得到理想的阻抗参数。这种离线调节系数的方法取得了良好的效果。避免了一个一个系数试用的繁琐工作，能快速得到最优的系数值。接着，研究了自适应阻抗控制算法，它与基础阻抗控制算法相比，最大优点是可以在未知的环境下跟踪准确的期望力。自适应阻抗控制算法可以在未知的实验环境中进行力信息的处理，使用上一个控制周期的力矩来弥补阻抗方程中的不确定性。此算法中不再像基础阻抗算法那样要求精确的模型，只需要通过迭代思想使用上一个采样周期的扭矩和角速度即可。进一步研究了系数变化对控制效果的影响，并与基础阻抗控制算法进行了比较。最后，引入模糊理论来在线调整阻抗参数，在实际运行中,不断检测期望位置和实际位置的差值和其变化率。进行模糊推理激活制定好的模糊规则，然后解模糊、输出控制量。从而实现了惯性参数M，阻尼参数B，刚度参数K的在线调整，这就直接在仿真平台上得到理想的阻抗参数，对期望的位置和力进行控制，省时准确地完成控制任务。