传统制造模式难以满足小批量生产、柔性化定制的市场需求,因此智能制造产业需要更加灵活的生产制造方式。人机共融制造凭借柔顺性高、迭代速度快等优点,成为智能制造领域的热门研究之一。在人机共融的场景下,人机协同作业、共享工作空间导致危险发生的概率急剧增大,而保障协作人员的安全是进行生产系统制造的前提。因此,研究人机协作场景下的主动安全防护问题具有重要意义。主动安全防护中的关键问题主要包含感知与风险评估两部分,本文通过对主动安全系统关键技术进行分析,重点研究了在大场景作业环境下的感知问题以及适用于动态大场景下的风险评估方法。本文主要研究内容如下:首先,对主动安全多源感知系统方案进行设计,明确机器人安全响应的前提是要解决环境感知以及风险评估两方面的问题。根据作业空间的大视场视野范围要求,将感知区域划分为两部分,即空间区域平面位置感知和人机距离实时监测区域。前者是从系统安全的角度考虑,协作人员应处于特定区域;后者是为了确保人机协同工作时操作人员的安全问题。根据不同区域的安全防护需求,分析不同视觉传感器性能,选择工业相机和TOF传感器进行分区域感知。此外,对系统风险进行评估可知人的作业状态是设置保护性间距的最主要的不确定影响因素,对改进的SSM风险评估方法进行分析,构建本文的主动安全系统风险评估模型。其次,为解决大场景下主动安全防护系统视野与精度的冲突问题,针对大场景的区域监控,提出了空间平面的区域定位算法,实现对安全防护区域平面的大视野高精度感知。区域定位算法基于单目工业相机,利用大视场柔性标定算法得到相机在大场景下的内外参数,生成像素平面与空间区域平面的精确反投影变换关系,结合K近邻搜索算法对投影变换表进行二次递进查询,以实现空间区域平面的快速、高精度定位。实验的区域定位精度在25平方米的视场下可以达1.25mm左右,且单点定位耗时在37ms以下。然后,针对中小场景的人机距离与速度监控,结合人体姿态识别算法,采用RGB-D相机通过手眼标定以及坐标映射,实现对人体关键点与机器人之间实时的速度与距离监控。大场景下主动安全系统的动态性高,协作人员的作业范围大,突发性的入侵会导致系统处于高风险状态。为解决大场景下主动安全风险评估的问题,在多源感知的基础上,提出结合区域风险预测的速度与距离监控的风险评估方法,实现对协作人员非常态入侵的预感知响应,从而提高主动安全系统的安全鲁棒性。针对提出的风险评估方法,搭建了主动安全防护平台,将标准SSM风险评估方法与结合区域风险预测的评估方法进行了实验对比,从而验证在协作人员入侵时采用改进的SSM风险评估方法,系统安全响应时间可缩短一倍左右。最后,对本文的系统的层次结构和开发实验环境进行分析,在实际场景下对提出的感知算法以及风险评估方法进行验证。根据对作业区域的防护等级划分,结合机器人的轨迹速度和人员区域定位,验证本文提出的主动安全系统的响应时间与标准SSM安全防护系统响应时间对比。实验结果表明,本文提出的大场景环境下的感知算法与风险评估方法增大了感知视野范围,丰富了安全层次,且能够考虑操作人员的安全及系统层面的安全。