演示编程技术是通过对人演示的操作过程进行学习推理,生成机器人可执行的代码,并由机器人完成相同的操作任务,从而降低机器人的编程难度,缩短编程时间,对机器人的应用与推广具有重要意义。本文面向工业机械臂装配作业演示编程问题,为确保机械臂成功完成所学习到的装配作业任务,本文对工业机械臂执行单元和基于力传感器信息的机械臂力反馈控制装配执行进行了探索和研究。本文的主要研究内容和成果包括以下几个方面:1.完成了面向工业装配演示编程的机器人执行单元搭建,配合实现了基于视觉观测的演示编程任务。以ABBIRB120型机械臂为基础平台,根据任务场景要求,搭建了机器人硬件系统,完成了机械臂与工作台标定、机械臂运动控制等基础软件模块。实验证明,所开发的机械臂执行单元可根据感知数据高精度高可靠地完成与人演示完全相同的装配任务。2.提出并实现了基于支持向量机(Support Vector Machine,SVM)的机械臂任务结果预测算法。该算法根据任务执行过程中的力传感器数据序列预测当前任务执行完成与否。在离线阶段,采集执行任务过程中安装在机械臂末端的力传感器数据,对采集得到的数据进行预处理后,使用SVM进行数据训练得到的分类器可以达到97.1%以上的准确率。在线阶段,利用训练好的分类器对在线过程进行实时监控与预测。实验表明该方法可以较好地对任务结果进行预测,并控制机械臂运行。3.提出并实现了基于贝叶斯优化的机械臂力反馈控制算法。该算法利用高斯过程对实验数据进行数据建模,以应对系统存在观测噪声、难以精确建模的问题,进而利用有约束的贝叶斯优化算法对控制参数进行优化,以平衡搜索空间与搜索效率之间的矛盾,更快的得到全局优化解。实验证明,该算法无需对环境进行精确建模,且在几次迭代之后即可找到优化解,可确保效率与收敛性要求。