机器人装配具有精度、效率、可重复精度高等优点,在自动化生产车间得到了广泛的应用。但是,在复杂零部件装配尤其是涉及柔性作业的装配过程中,具有高度灵活性和意外处理能力的人工装配是必不可少的。基于人机协作的装配方法可以发挥人和机器人各自的优势,是实现智能装配的关键技术。人机协作装配主要面临以下挑战:工人的装配动作复杂多变且动作幅度小,这使机器人难以准确理解工人的装配行为;人机协作过程中,装配序列并不是唯一固定的,工人可以在装配过程中动态调整。针对以上挑战,本文的研究工作包括:（1）提出了一种基于融合特征的装配行为识别方法。首先,基于轻量化Openpose与1€滤波器获得人体骨骼,并使用深度神经网络和自注意力模型分别提取骨骼特征与时序特征;其次,针对装配任务中的工件信息,使用基于全卷积网络预训练的特征提取模型来获得工件特征;最后,使用自注意力模型对特征进行融合并使用软标签的标注方法对模型进行训练。并在自建数据集上验证了其有效性。（2）提出了一种基于装配与或图的动态人机协作装配方法。首先,将协作场景下的工人位置与零件位置统一至机器人基坐标;其次,在传统的装配与或图基础上融入了装配行为节点并构建了零件表与行为表用来存储实时的装配信息;最后,基于零件-行为与或图提出了一种动态查询更新算法,根据装配行为识别方法识别的行为动态查询表来为工人提供辅助操作。（3）基于涡轮减速器装配案例,建立了装配行为视频数据集,并构建了零件-行为装配与或图。在数据集上进行对比实验与特征消融实验验证了模型的性能,最终在测试集上能达到89%的准确率。使用装配行为识别模型在人机协作装配实验中进行测试,证明了动态人机协作方法的有效性。