由于工业互联网同人工智能技术不断融合发展，使得智能制造体系对于机器人的实时反应速度以及任务适应度有了 更高的标准。传统的固定参数控制方法对于复杂的工况变化不能很好地适应，不能满足柔性生产线的动态调度要求。本文以 智能制造环境下的机器人系统自适应控制问题为研究对象，对自适应控制基本理论进行了梳理，并对模型参考自适应控制、 自校正控制和基于强化学习的自适应方法在机器人上的应用逻辑及实现路径做了分析。在此基础上，主要对多传感器信息融 合、动态环境感知、任务重规划机制对控制性能的影响进行研究，并提出一个以智能制造为背景的分层自适应控制策略结构。 研究结果表明，把数据驱动的方法同模型驱动的方法结合起来，可以有效地提高机器人系统在非结构化环境中对环境的适应 能力以及作业效率，给智能制造产线的柔性化升级提供可行的技术参考。