当前海洋、航天、航空工业中的大型设备，一般由多段舱段构成，主要采用模块化生产，总装车间装配集成的方式制造。随着国家加快由制造大国向制造强国转型的进程，大国重器智能制造依赖的大型舱段装配方法也成为了产业升级的重点对象。同时，随着舱段制造中小批量、多样化的柔性生产需求日益增加，研究在非结构化环境下基于机器人系统的自主智能装配，具有重要的理论意义和应用价值。

实现非结构化环境下的舱段的自主智能装配，当前的理论技术在装配机构、测量方法、控制方法等方面存在诸多挑战：装配机构难以承载不同重量、形状的大型舱段，负载扩展能力有限；在非接触、无靶标的舱段测量场景下，深度学习训练数据采集成本高，位姿估计算法精度不足，无法兼顾大型舱段的大范围快速定位与小范围高精测量；舱段柔性力控算法高度依赖建模，对不同舱段机械接口的泛化性不足。

为此，本文旨在针对上述挑战，提供理论与技术支撑，以实现舱段自主智能装配。研究按装配机器人系统设计与建模、自动测量、智能控制三个方面展开，其主要成果如下：

1. 装配冗余并联机器人执行系统建模方法。针对装配任务研制了基于 4PPPS 型冗余并联机器人的装配执行系统，配合搭载多种视觉传感器的机械臂装配测量系统，共同构成多机器人协调的舱段装配系统。针对所设计的冗余并联机器人，提出一种基于旋量理论的快速运动学、动力学建模方法。基于所建立的机器人运动模型，进一步提出了一种基于微小形变分配的冗余并联机器人负载分配优化算法。同时，分析了 4PPPS 型并联机构的操作灵活性，提出其全姿态空间的快速求解算法。通过一系列仿真实验验证了所提出算法以及所建立模型的有效性及优越性。
    
2. 全局到局部的高精度舱段位姿测量方法。基于本文所构建的主动测量系统，提出一种由全局到局部的舱段相对位姿主动测量流程。通过主动选取测量视点，在大视野范围使用图像数据搜索舱段，定位舱段局部结构，再计算定位结构小范围测量视点，提高局部定位结构点云采集质量，从而提升相对位姿计算精度。针对在测量中使用的舱段图像检测、分割算法，提出一种基于数字孪生合成数据的深度网络训练方法，实现了无需现场数据的图像处理。所提出的网络训练方法，在舱段真实数据上分割精度达到 89.7%，超越真实数据所训练的相同网络。针对流程使用的点云配准算法，提出邻居点卷积算子，以及以其为核心、使用非均匀采样、渐进式重叠区域估计的配准算法框架，实现了低重合度舱段点云的精确、高速、鲁棒配准。所提出的点云配准算法，在公开数据集上多项指标达到最优或次优，在舱段键-槽数据上定位误差低至1.01°/0.94 mm 及 0.74°/1.95 mm。最终，结合孪生系统，实现了所提出的全局到局部测量视点规划流程，实现了无需预设装配机器人工位的自动舱段相对位姿测量，舱段相对位姿测量精度可达 1.82°/3.37 mm。通过视觉引导方法装配 5 mm 间隙舱段，证明所提出测量流程及配套算法的有效性及准确性。
    
3. 融合传统控制与强化学习的智能柔性控制方法。针对超出视觉定位系统精度的装配任务，本文提出一种结合力位混合控制与软演员评论家框架的多阶段舱段装配强化学习柔性控制算法，智能地生成轴孔搜索阶段的搜索轨迹，以及轴孔插入阶段的底层控制器参数，实现舱段的柔性装配。算法通过奖励函数的改进，提升了柔性控制器对轴孔机械接口形状的泛化能力；通过仿真环境分布式训练算法，并使用课程学习方法规划算法目标，实现了强化学习算法的快速稳定收敛。最终，通过在真实系统中部署算法，装配 0.5 mm 间隙舱段，证明了所设计方法在高精度舱段装配任务上的可行性及有效性。