装配作业是工业生产中常见的一环,装配精度和装配用时直接影响到生产效率和产品质量。近年来随着控制硬件与软件水平的进步,特别是自动化控制技术与视觉传感器制造的进步使机器人获得了完成复杂装配的能力。钢铁业是国民经济的支柱产业,生产总值约占我国GDP的10%。在工况恶劣的炼钢区域,存在大量的铁水测温、取样作业,测量方法是将与测温枪套接的测温探头浸入铁水、钢液里进行取样。由于自动化水平不足,测温枪与测温探头的接插装配和取样等过程仍由工人完成。操作人员需要频繁近距离长时间面对1000多摄氏度的高温铁水、钢液、飞溅和扬尘,作业安全问题亟待解决。炼钢区域的现状制约了钢铁业智能制造的水平,急需面向接插装配作业的机器人系统。本文围绕炼钢现场的测温枪与测温探头的接插装配作业,针对其接插工作位多、相机视野小的问题,设计了一套接插装配策略。针对回转附加轴的重复定位精度低与测温枪存在变形等问题,设计了基于自适应视觉伺服的对准方法,针对测温探头内壁加工精度低、接插行程长等问题,设计了基于强化学习的轴孔接插方法。本文的研究内容如下:1.在轴孔对准控制中,由于炼钢现场的高温会使相机内参快速漂移,造成测温枪末端的精准定位控制难以实现。测温枪在长时间使用后发生形变,无法获得精确的工具模型。本文提出了无标定的基于自适应视觉伺服的轴孔对齐方法。把相机内外参数与工具几何信息作为未知参数,通过最小化估计误差函数的方式进行在线估计。本文选取了测温枪上的两个点特征和一个消失点特征,推导了相关的深度独立交互矩阵,并据此设计了无需特征深度的控制算法。针对视觉伺服过程中由于位置与姿态控制存在耦合,图像误差收敛速度慢的问题,设计了一套分阶段的测温枪对准策略,将位置控制与姿态控制解耦,实现了测温枪末端的快速定位控制。2.在轴孔接插控制中,针对测温探头内壁加工精度低、长行程的接插装配过程接触状态复杂的问题,提出了基于强化学习的轴孔接插算法。所提出的算法根据从机器人腕部上的六维力传感器获得的接触力信息直接输出机器人末端执行器的运动指令。通过使用PD力控制器对深度策略梯度算法进行引导,有效地缩短了算法的训练时间。本文对所提出的基于自适应视觉伺服的对准方法进行了Matlab仿真与现场实验,对所提出的基于强化学习的轴孔接插算法进行了Gazebo动力学仿真,仿真与实验的结果验证了算法的有效性。