随着机器人不断的发展,人们对协作机器人的需求越来越多,同时,人机交互以及安全问题日益受到关注。传统的速度-位置控制方法已经不符合人们当下的需求,力控制逐渐取代了原来的速度-位置控制。力控制在各个领域都有应用,比如工业生产线拼装产品,帮助人们的四肢做出需要更大力量的动作,与人一起协作完成工作,防止由于碰撞造成的损坏,等等。力控制若要应用于机器人,需要机器人能够估测出自身所受外力,人们当前使用各种传感器来达到这一目的。传感器也有自身的缺点,例如造价昂贵,容易改变机器人的结构等等,因此无传感的外力估测是必要的。若不借助传感器,则需要掌握精确的机器人模型。获得精确模型是重要的,获取方式中的一种即为动力学参数辨识。本文提出了基于连接组合体法的参数辨识以及利用卡尔曼滤波器的无传感外力估测方法。辨识协作机器人,需要让机器人的关节运动。这需要激发所有的动力学参数,因此需要优化轨迹。本文借助一个工具来优化轨迹,就是人工鱼群算法。由于传统的人工鱼群算法在轨迹优化的应用存在不足,本文从人工鱼的可见范围与移动距离上限、最优人工鱼保留和觅食行为这三方面进行了改进,使之能够很好地优化轨迹。通过连接组合体法,将机械臂用作二连杆机械臂,这样就使模型得以简化,加快了辨识速度。得到动力学参数之后,引入广义动量重新描述动力学方程,确定噪声项,对卡尔曼滤波参数进行了调节,改进了关节速度接近0时的补偿方案,在只用关节角、关节角速度、关节电流,不用其他传感器的情况下,能够估测出对机械臂末端的外力,并且与原来的补偿方案相比,估测的准确性有所提高。基于上述方法,文章实现了一种不借助传感器进行参数辨识与外力估测的方案。通过对仿真结果的分析,本文的思路可以实现不借助传感器进行参数辨识与外力估测。