近年来随着人工智能不断的发展,工业机器人领域的智能化发展也越来越受到许多专家学者的重视,这就使得工业机器人在加工领域的技术不断提高。工业机器人对复杂零部件及曲面修型加工时,实现对机器人易编程、可操作等智能化处理,可提高机器人在机械加工中的效率。本文针对工业机器人在修型加工中由于自身刚度不足,在工业机器人机械加工过程中会产生变形,从而使得机器人加工精度降低,导致机器人加工误差,降低机器人机械加工的质量,本文主要对工业机器人在加工中产生的误差分析并对其误差进行补偿,以六轴机器人MOTOMAN UP50为研究对象,分别建立运动学、动力学及机器人刚度模型,分析机器人在切削加工产生的误差研究,通过对机器人修型加工实验获取实验数据,利用神经网络对其误差预测与补偿。本文主要研究内容及结果如下:（1）工业机器人运动学及动力学建模。首先建立MOTOMAN UP50机器人三维模型,根据模型简化为连杆机器人,建立该六轴机器人附体连杆坐标系,并建立机器人运动学模型,利用MATLAB机器人工具箱编程并验证运动学模型的正确性。然后推导该机器人雅克比矩阵。最后在拉格朗日方程基础上建立机器人动力学模型,并基于MATLAB编程对其正逆运动学方程、关节力矩仿真等进行了求解。（2）工业机器人误差分析及刚度建模。首先对机器人在修型加工中误差的来源进行分析并总结在加工中那些误差对加工影响最大;然后对机器人切削力进行研究分析,在切削过程中包括静切削力和动切削力影响;最后对工业机器人刚度研究,根据机器人关节组成零部件分别分析各个零部件的刚度,再次研究连杆刚度,最后求得机器人总的刚度模型,为后续机器人末端变形误差预测提供理论依据。（3）工业机器人刚度预测与误差补偿研究。对于刚度预测其实就是对机器人末端变形预测,首先详细介绍了BP神经的原理以及该网络的优点,设置网络参数,并利用Python语言对其编程;然后通过实验测得的数据对其训练,获得最佳迭代次数,再然后对机器人末端变形进行预测得到变形误差,最后对其误差进行补偿,从补偿的效果图可知该补偿方法能够提高机器人末端精度。（4）机器人加工编程规划。首先利用Python语言搭建机器人编程环境,分析机器人加工所需要的系统,然后根据机器人加工各个系统模块进行分块编程,最后实现机器人加工系统可视化界面,为工业机器人智能化编程提供了一种新的编程方法。本文的重点是对工业机器人在修型加工过程中运动学、刚度分析以及在加工中由于刚度不足产生的误差进行补偿研究及加工系统编程研究,为工业机器人加工领域提供了可编程的理论依据。