零部件装配是制造业中决定产品质量的关键环节，虽然机器人技术越来越广泛的应用于工业生产中，以实现“机器换人”，但是由于装配任务的约束操作复杂性及机器人较差的柔性，目前机器人尚未大规模的应用于装配领域。特别是含能部件的装配任务，由于含能部件易爆易碎，导致其接触力的控制十分复杂，对安全性和可靠性的工艺要求更严格。目前，国内的零部件装配技术尚未针对安全约束开展研究，还没有应用于装配含能部件的机器人及相关技术，该领域主要由人工完成，装配质量完全依赖于人的经验、身体和心理状态，不仅效率较低，而且可能会导致造成人员伤亡的危险事故。为使机器人安全有效地完成含能部件装配任务，保证装配过程中的安全约束，本论文结合我国国防工业高端装备自主化发展的战略需求，研究了面向含能部件的机器人柔顺装配控制系统中的关键技术，以解决机器人在含能部件装配控制中的核心技术问题，为含能部件的安全、高效、智能化装配提供理论支撑和技术路径。
　　首先，通过详细分析含能部件的装配过程，梳理了几何和力学接触约束条件，分析并总结了装配楔紧和卡阻的力学原因。为了满足含能部件装配过程中安全性和鲁棒性的要求，设计了一种满足安全约束的含能部件柔顺装配控制系统和一种包含四种基本动作的含能部件装配策略，其中，含能部件柔顺装配控制系统包括含能部件目标检测与定位模块、运动示教学习模块、学习变阻抗控制模块和装配策略模块四个部分。为了实现更灵活地控制装配力，解决装配过程中频繁切换力控制的问题，提出一种基于末端力的柔顺装配控制算法，机械臂的期望运动和期望力完全由机械臂的末端力产生并控制。
　　其次，针对含能部件的定位问题，研究了基于Kinect深度相机的含能部件识别与定位算法，根据深度相机的点云数据，使用点云分割的方法对含能部件进行检测并估计位置姿态。针对装配运动动作的安全控制问题，使机器人在满足约束条件的同时保证运动的鲁棒性，提出一种安全约束下基于概率模型的运动示教方法。用动态时间规整算法、高斯混合模型和高斯混合回归算法对示教数据进行概率化编码处理和重构泛化。利用示教轨迹的方差，根据梯度信息对复现轨迹进行安全约束优化，并通过变刚度控制实现运动复现，使机器人保持对外界的主动柔顺控制能力。
　　然后，为了保证含能部件柔顺装配控制的安全性和灵活性，针对含能部件柔顺装配中的力约束控制问题，提出一种基于强化学习的数据高效型学习变阻抗控制方法。使用高斯过程模型作为系统的可信动力学模型，通过概率化的推理与规划提高采样数据的利用效率，使机器人能够高效地学习变阻抗控制策略。在六自由度工业机械臂上的实验表明，学习得到的阻抗控制策略整合了高刚性与柔顺性的优点，力控制效果不仅明显优于自适应阻抗控制等方法，而且相对于其他学习变阻抗控制方法，学习速度提高了十倍。
　　最后，为了验证含能部件柔顺装配控制系统关键技术的性能，使用Kinova轻量型机械臂构建了柔顺装配控制系统，进行了含能部件柔顺装配实验。实验结果表明，本文设计的柔顺装配系统可以有效利用示教轨迹的方差信息学习得到满足安全约束地变阻抗控制策略，实现了高刚性和柔顺性的整合，有效地抑制了人为干扰，提高了系统抵抗外界干扰的能力，有效地避免了楔紧和卡阻现象，保证了装配过程中的安全性和灵活性，为含能部件的安全、高效、智能化装配提供了有效的控制算法和技术路径。