中文摘要：

机器人辅助机械加工同传统CNC方法相比具有操作灵活，工作空间大，易于和其它先进技术融合等优点，具有重要学术研究及工程应用价值。针对加工复杂零件过程中存在的编程复杂，位置不确定等问题，本课题拟进行以下内容的研究建立机器人辅助机械加工模型，并借助双机器人冗余自由度及机器视觉，结合CAD模型，实现对零件边界不确定位置尺寸信息的快速提取，在此基础上研究复杂零件基于有限脉冲响应及遗传算法相结合的轨迹规划和优化方法；提出并实现一种基于视觉、力觉及模型信息融合的双机器人主动柔顺控制策略，可以实现加工任务的在线调整，并借助冗余自由度采用零空间方法实现对机器人加工系统进行在线优化。通过以上研究，可以降低复杂零件加工编程难度，并解决不确性问题的基础上，提高机器人加工过程中系统的刚度及稳定性，进而提高加工效率和加工精度。

结论摘要：

在情况复杂的不确定环境下，机器人参与各类操作具有极大的局限性，研究机器人参与工作的力学模型和智能控制相关工作对于提高机器人工作可靠性和精度具有重要意义。本课题建立了机器人辅助机械加工的力学模型，可以为机器人控制系统调整加工轨迹提供依据；研究了基于CAD模型的机器人运动轨迹的提取和规划方法，实现了离线编程，可以大大提高机器人编程效率。研究了零件特征的提取和匹配技术，可以用来识别和提取零件的局部特征并进行分析和对比，帮助机器人了解外部环境；研究了复杂多轮廓情况下机器人辅助加工的轨迹优化方法，采用改良的遗传算法和最小三角形法可以快速得到轨迹序列中的最优解，提高加工效率；研究了基于双目视觉的三维重建方法和基于双目视觉及力觉的双机器人在未知环境下的智能控制方法，提高了机器人的智能化程度，解决了复杂任务下的不确定性问题。针对复杂不确定环境下的目标视觉跟踪的不稳定问题，课题展开了多特征融合目标跟踪算法的研究，实验结果表明课题提出的方法可以在复杂场景下实时鲁棒的跟踪目标，保证可靠性。