随着我国航空航天技术的不断发展,大型空间设备和空间系统的需求变得愈加迫切。受客观条件制约,很难将大型空间设备直接发射入轨。将其分为多个子系统模块,分批发射后实施在轨组装,是现阶段内可行性最高的方案。在轨组装技术对于未来航空航天事业发展的重要性不言而喻。在轨组装任务复杂,工作模块复杂且昂贵,对机械臂的移动精确性和末端柔顺性有极高需求。冗余机械臂控制精度高且灵活性好,国内外的在轨组装研究工作大都将冗余机械臂作为核心模块。运动学解算是机械臂运动控制的基础,轨迹规划是实现机械臂精确移动的前提,具备环境适应性的阻抗控制可以使机械臂安全地执行多种在轨任务,这三种技术是在轨组装机械臂的关键技术。但冗余机械臂复杂的运动学和动力学模型为这三种关键技术的实现带来了巨大挑战。智能控制算法以数据为基础,以任务目标为导向,为上述关键技术的实现与优化提供新思路。面向国家对空间智能化的重大需求,针对在轨组装中的运动学求解、机械臂末端轨迹规划和阻抗控制这三项关键技术,开展机械臂智能化研究,为空间智能化提供技术铺垫并积累工程经验。主要研究内容包括:（1）针对运动学逆解数值算法迭代慢的问题,提出了一种基于K-means++聚类和深度确定性策略梯度算法（Deep Deterministic Policy Gradient,DDPG）的智能运动学逆解算法。运动学逆解迭代速度与初值和迭代因子相关,初值离目标点越近,迭代速度越快;迭代因子则决定了每一个迭代步的收敛量。首先,针对迭代初值问题,采用K-means++聚类算法将机械臂可达空间点集按照空间距离分类。将逆解目标点所属类的中心点所对应的关节角作为迭代初值,有效降低逆解初值与目标点间的空间距离。实验验证可以减少32.1%的逆解迭代步数和19.5%的逆解解算时间。然后,针对迭代因子问题,采用强化学习方法训练机械臂,使其能在每个迭代步中选取合适的迭代因子,尽可能加速迭代收敛。DDPG算法是一种适用于连续状态空间和连续动作空间内的强化学习方法,能够感知机械臂的运动状态并根据优化策略生成合适的迭代因子,能够解决迭代因子的选择问题。实验验证DDPG算法可以减少28.5%的逆解迭代步数和19.6%的逆解解算时间。最后,将K-means++算法与DDPG算法结合,实验验证最高可以减少42%的逆解迭代步数和25.1%的逆解解算时间。（2）面向组装过程中的自主轨迹规划的需求,提出了一种基于路径积分参数优化（Policy Improvement with Path Integrals,PI2）的动态运动基元（Dynamic Movement Primitives,DMP）轨迹规划算法。DMP可以从示教轨迹中模拟新轨迹,新轨迹形态由DMP中轨迹学习参数决定,对原有轨迹拟合越好,DMP的可控性越高。在DMP中加入人工势场可以令模拟出的轨迹躲避已知形态和位置的障碍物,避障性能由势函数参数决定。显然,DMP的可控性和避障性能互相影响。如何选择最优的轨迹学习参数和势函数参数是重要的高维优化问题。PI2是一种无模型、基于抽样的学习方法,算法除了探索噪声之外不需要调整算法参数,尤其适用于多自由度的高维优化问题。仅需为PI2设定合理的奖励函数,即可同时优化DMP中的轨迹学习参数和势函数参数。仿真和实验表明,在保证避障成功的前提下,PI2优化的DMP较固定参数的DMP,轨迹贴合程度提高了10.4%。基本具备了自主规划轨迹的能力。（3）面向组装过程中机械臂末端柔顺的需求,提出了一种基于孪生延迟DDPG（Twin Delayed Deep Deterministic Policy Gradient,TD3）的阻抗控制算法。组装过程中,机械臂的末端柔顺性可以提高载荷和协作对象的安全性。阻抗控制可以有效实现机械臂对外力的柔顺性。但阻抗控制参数调教复杂且只适用于单一场景。TD3是一种适用于连续状态空间和连续动作空间的深度强化学习算法,它改进了DDPG算法中的不足,在动作空间维度较大的环境下表现更优,因而适用于阻抗控制算法的实现。基于TD3的智能阻抗控制算法可以根据机械臂的运动状态和末端受力自主选择环境适应的阻抗参数。为了体现外力柔顺性,将末端的加加速度设为惩罚函数,加加速度越大,则末端对外力的柔顺性越差。实验验证了基于TD3的阻抗控制算法能够自动调节阻抗控制参数。在与固定参数的阻抗控制算法对比中,末端加加速度范数降低了79.7%。