随着工业机器人技术的发展,工业机器人已经大量地应用于生产实际中的装配任务中,但是由于装配过程复杂、现场环境噪声大、机器人自身定位精度和视觉技术限制等因素,机器人高精度柔顺装配仍存在很大的挑战。本文以轴孔装配场景为例,探讨了轴孔装配任务面临的挑战,主要针对轴孔装配的搜孔和插孔阶段展开研究,并探索了一些效率更高、鲁棒性更强的算法在轴孔装配领域的应用,本文的主要贡献如下:1)搭建了一个基于力觉反馈的柔顺装配实验平台,并提出了一种综合考虑传感器零漂、传感器安装角度、末端模块重力、末端模块质心等因素的力传感器标定方法,该方法采用机器人多个不同姿态下的传感器测量值辨识出上述参数并消除传感器零漂和末端模块重力对传感器读数的影响,进而获取到机器人与环境之间产生的精准的接触力/力矩值,并最终通过机器人跟随运动实验验证了该标定算法的精确性,该实验同时验证了所搭建的装配平台的健壮性和本文主要采用的柔顺控制方法-阻抗控制的有效性。2)针对轴孔装配过程中由于定位精度限制从而导致轴孔之间会存在一个相对位姿偏差的问题,设计了一种基于多层感知器(MLP)和力位混合控制相结合的搜孔策略,该方法主要分为顶层搜孔轨迹规划器和底层力位混合控制器两部分。顶层轨迹规划器是一个多层感知器模型,用于决定下一步的搜孔移动方向,底层力位混合控制器用于产生与环境柔顺交互的行为,保证搜孔过程的安全与稳定。实验结果表面采用该搜孔策略可有效减少搜索步数,提高装配效率。3)针对搜孔阶段完成后轴孔之间还会存在一个微小的姿态偏差的问题,首先采用常规的阻抗控制实现了插孔任务,接着针对常规的阻抗控制对初始位置敏感的问题提出了 一种基于模糊Q-learning的轴孔装配优化算法,该算法可以使底层阻抗控制器学得最优的阻抗参数进而面对复杂的动态插孔过程,实验结果表明优化后的算法可以以更少的装配步数和更小的装配接触力完成装配任务,而且对初始位置呈现出一定的鲁棒性和自适应性。