针对大型激光装置精密装校过程中的智能装配调度问题，提出一种基于人工神经网络的调度优先规则获取方法。该方法离线阶段通过遗传算法对典型算例进行优化求解，从优化解中抽取任务比较轨迹及特征数据，采用人工神经网络学习生成任务优先模型；在线阶段基于该模型构建闭环调度决策模式，实现动态不确定生产环境下的快速响应与精准决策。数据实验和实际应用案例验证了该方法的有效性，随着光机模块数量增加，ANN调度算法的优势更加明显，ANN调度算法和GA算法二者优化结果小于6%时，前者的计算效率是后者的400倍以上。

工业生产线的智能装配技术是提高生产线工作效率，保证产品统一性的关键手段。日趋复杂的工业产品结构对智能装配控制精度的要求也越来越高，其中，基于实时在线测量的反馈校正技术成为了研究热点。为了实现工业生产线智能装配过程的柔性测量，提出了基于光纤传感的反馈式装配控制方法。该系统采用多FBG传感器获取装配结构实时应变，由不同封装FBG传感器完成温度应变解耦。最终通过神经网络学习的方式完成对位置偏移程度进行换算，实现装配位置实时校正。采用Matlab对螺钉结构装配过程进行仿真，模拟了不同长度和施力大小的螺钉应力分布，结果显示螺钉长度越长，相同作用力下应变越大。并且螺钉的主要应变集中在螺孔边缘位置。实验分别采用悬臂梁应变标定实验获取不同封装状态的拟合曲线，采用温度标定实验消除应变测试数据中的温漂效应，采用位置偏移实验获取校正参数。结果显示，对于长度为15.0 mm的螺钉，系统平均解算精度约为0.012 3 mm/N，对于长度为20.0 mm的螺钉，系统平均解算精度约为0.022 1 mm/N，并且具有很好的线性度。