随着产品生产的社会需求不断朝着个性化、多样化、小批量发展,企业的生产过程需要变得更加柔性化和智能化,其中,实现装配过程的柔性化和智能化是最困难的。由于传统的人工装配或机器人装配具有显著的局限性,已经不能满足智能装配、协作装配的技术要求,需要探索人与机器人优势互补的人机协作装配新范式。为此,本文面向人机协作装配过程,以协作机器人对人类意图的预测为研究对象,基于实际场景下的装配知识资源,采用相关技术完成装配知识图谱的构建,并基于所建图谱用知识推理技术完成人类意图的预测。本文主要工作如下:（1）.面向人机协作装配的知识图谱构建。首先,采集多源异构的装配知识资源,统一预处理成自然语言文本形式,共计125条语料,按4:1划分训练集和测试集;其次,采用“基于规则模板的方法”设计了一套信息抽取规则,在利用语言技术平台LTP对语料进行自然语言处理的基础上,依据依存句法分析结果完成关系抽取和实体属性抽取,依据语义角色标注结果完成实体抽取和关系属性抽取,结果表明,抽取准确率高达98.79%;然后,采用实体链接方法对三元组知识进行实体消歧和共指消解,构建知识图谱数据层,再通过聚类操作对其中的知识进行概念抽象,构建知识图谱模式层;最后,将数据层和模式层中的三元组知识以属性图模型的方式存储在图数据库Neo4j中,并进行前端可视化,得到面向人机协作装配的知识图谱。图谱中共有节点282个,关系84种,组合出582个三元组。（2）.基于规则路径的知识图谱推理。对于实际的人机协作装配环境,将其中包含的装配要素实体分为主要素实体和次要素实体两种。首先,基于所构建的装配知识图谱,以路径搜索的方式去匹配与主要素实体具有一级或二级连接关系的实体,将其作为目标实体加入目标实体集合中;同理,匹配与次要素实体具有一级连接关系的实体,将其作为条件实体加入条件实体集合中;然后,将目标实体集合与条件实体集合进行交集运算,以条件实体作为筛选实体,剔除目标实体集合中概率值最低的实体,而保留下来的目标实体即可作为人类意图预测结果;最后,针对不同的装配场景分别验证了上述规则的有效性。（3）.面向减速器装配的人类意图预测实验。首先,以一级齿轮减速器装配为例,搭建了实际的人机协作装配环境,包括两个主体（装配者和协作机器人）和三个区域（装配区、零件区和工具区）;然后,从所搭建的环境中采集了600张场景图片,逐一确定了每张图片中各装配要素实体的位置信息以及标签信息,并按3:1:1的比例划分训练集、验证集和测试集,训练得到F1值高达0.98的图像物体检测模型;最后,将知识图谱模块、知识推理模块和物体检测模块嵌入机器人操作系统中,利用其视觉传感器,在实际的减速器装配过程中进行实验。实验结果表明,本文所提出的基于知识图谱推理的人类意图预测方法适用性和逻辑性强,对整个预测过程是可解释的,具有广泛的应用价值。