随着工业机器人逐渐走向智能化,越来越多的产业选择机器人代替人工作业,不仅可以帮助企业提高生产安全性,同时还可以提高生产效率,降低管理成本。在石化产业中,生产活动多在高温高压、易燃易爆环境下进行,为保障其生产安全性,泵房内设备的异常检测与应急作业显得尤为重要。对泵房内设备的异常检测任务主要包括:工业指针式仪表的示数读取,以判断设备内部介质状态,对设备表面温度的异常区域检测,以判断设备运行状态。泵房内应急处置措施的主要目的是在异常状态下让机器人代替人进行阀门旋拧作业等,及时控制现场状态,防止危险进一步扩散。本文针对泵房内设备异常检测及应急处置问题展开研究,解决异常检测准确性和应急作业稳定性等问题。主要的工作内容如下:首先,面向泵房环境下仪表示数读取问题展开了研究,自行构建泵房环境下仪表图像数据集,利用图像的灰度变化信息构建特征。提出了基于正负样本间特征分布差异的特征筛选方法,剔除了部分冗余特征,进而基于集成学习建立表盘区域目标检测算法,解决了泵房环境背景对仪表指针检测带来的干扰。与现有算法相比,本文所提特征筛选方法能够有效减小过拟合问题,提高算法检测精度的同时提高了检测速度。提出了一种基于几何检测的表盘图像指针识别算法,计算指针偏转角度,定位仪表示数,并将算法检测结果与人工判读结果进行对比,验证了检测算法的精确度和稳定性。然后,提出了基于RGB图像和温度图像耦合的泵房设备温度异常检测算法。构建泵房现场设备RGB图像与温度图像训练集,并标注目标设备,基于高斯混合模型的提取目标区域分布特征,实现了对待检测图像的初步分割,避免图像分割过程中的人工干预。进一步,以待检测图像的像素点为网络节点,像素点属于目标区域的概率和邻域像素间的相似度为边权,进行图最大流分割,将图像分为目标区域和背景区域。将分割结果对应到温度图像中,提取目标设备表面温度数据,识别温度异常区域。实验结果表明,本文所提的温度异常检测算法能够完成目标设备的表面温度异常区域的识别,同时具有较好的准确性和鲁棒性。最后,对泵房环境中机械臂阀门旋拧等应急作业展开了研究。提出了基于机器视觉的阀门手轮定位算法,在机器人视野中识别阀门手轮位置,同时生成机械臂旋拧作业的目标位姿。提出了基于位置阻抗控制的阀门旋拧策略,根据末端接触力与期望力误差对机械臂位姿进行在线修正,在旋拧过程中使机械臂末端适应阀门的轴向位移,并实现稳定的力跟踪。搭建了机械臂阀门旋拧实验平台,对阀门定位算法的准确度和阻抗控制系统对阀门的位置跟踪、力跟踪效果进行了实验验证。