随着制造业水平的不断进步和发展,装配作业自动化成为工业生产制造行业的必然要求。提高装配质量和效率、降低生产成本,是制造类行业面临的重大挑战。近年来,工业机器人越来越多地被应用到装配作业中,大大增加了机器代人实现智能装配的可能。目前机器人大都工作在结构化环境中,采用示教再现或者离线编程等方式来完成预先设定好的动作,对装配对象及其工作环境的感知能力远远不够,缺乏灵活性和自适应性。因此,如何从传感器数据中提取特征,并在线地自主感知学习,使机器人适应复杂多变的装配环境是本文的主要研究问题。低压电器零部件具有尺寸微小、外形繁杂、型号各异、配合关联复杂等特点,机器人执行装配操作的空间受限,这大大增加了机器人柔性装配实现的难度。本文以小型断路器智能化装配过程为研究背景,模拟人类专家的认知思想,对复杂零部件装配过程中的接触状态识别和感知、装配状态评价等内容进行深入研究,并在搭建的小型断路器柔性装配平台中进行了算法验证,取得了良好的效果。本文的主要研究工作如下:(1)提出了基于极限学习机的零部件装配接触状态离线识别方法。针对视觉遮挡下机器人操作末端和操作对象之间接触状态难以描述的问题,利用力传感器信息(力和力矩)及机器人末端执行器位姿描述装配接触状态,构建了基于ELM-kernel的接触状态识别模型。对比实验结果表明,基于ELM-kernel的方法可有效识别离线装配接触状态。(2)提出了基于SVDD-ELM kernel的零部件装配接触状态在线感知方法。针对装配过程中离线学习存在的灵活性差、鲁棒性和自适应性不足等问题,建立“接触状态-机械臂动作”映射的装配经验知识库,采用SVDD-ELM kernel算法在线感知接触状态,不断更新累积经验知识库。实验结果表明,该算法实现了装配接触状态的在线感知。(3)提出了基于Faster R-CNN的装配状态评价方法。针对单纯依靠装配位移判定装配状态时存在容易误判的问题,结合视觉系统采集最终装配状态图像,采用深度学习(Faster R-CNN)的方法评价装配状态,判断装配是否成功。仿真实验表明,该方法可以实现装配状态的准确评价。(4)搭建了小型断路器柔性装配平台,基于接触状态感知模块和装配状态评价模块,提出了一种基于接触状态感知的柔性装配方法,并在真实装配系统上验证。对装配成功率和装配作业状态的变化进行分析,实验结果表明,本文所提出的装配方法可以有效感知装配状态,从而指导机器人更准确的完成装配任务。最后,对本文的工作以及获得的成果经验进行了总结,分析了进一步研究的方向,本文提出的基于接触状态感知的柔性装配方法对机器人执行装配任务的灵活性、实时性的提高具有重要的研究意义。