长期以来，工业生产领域(尤其是一些特殊装备制造行业)零件装配工作工程量大，效率低，劳动强度高，人力装配出错频繁，严重影响工业生产安全和企业经济效益。近年来随着计算机控制技术和智能技术的进步与发展，工业机器人逐步成长、成熟，成功地应用于生产制造相关领域，为工业装配技术革新以及装配技术智能化奠定了坚实的基础。
　　当前，工业机器人装配过程中普遍采用视觉识别定位、力觉反馈控制等技术，虽在一定程度上提高了生产效率，降低了生产成本，但依然存在装配精度低、定位难、误差大、易磨损等问题。企业迫切需要优化装配技术，进一步提高装配质量，增强其产品竞争力。本文依托某研究院装配实验平台，做了如下研究：
　　1)为实现复杂环境下，“眼在手”定点拍摄视觉引导抓取工作，提出了改进YOLOv3视觉检测与定位抓取。运用改进网络对图像中装配物体进行识别和简单定位，利用识别得到的boundingbox将原图裁剪，对裁剪图进行颜色分割，区域划分等工作得到图像点，结合九点标定法所得关系计算机器人坐标系下抓取点。
　　2)针对一次定位不够准确，图像特征不易取得，装配零件之间相互影响的问题，提出了基于卷积神经网络的图像视觉伺服。运用SegNet分离出需要装配的零件，根据图像视觉伺服的原理，修改FlowNetC结构搭建图像-位姿转换结构，预测笛卡尔空间中的机器人运动偏移方向。
　　3)针对轴孔装配零件入孔后嵌入过程中可能出现的卡阻现象，完成了工业机器人的力反馈控制。利用重力补偿法原理计算出真实接触力，分析了阻抗控制实现的原理和不足，提出了六自由度机器人力/位混合控制，通过选择矩阵将改进阻抗控制与先验结合，形成力/位混合控制，完成入孔后嵌入任务。