工业机器人凭借高效率、高柔性和低成本等特点被广泛地应用于智能制造业，但绝对定位精度低一直制约着其在航空制造领域的发展和应用，因此研究提高机器人精度补偿方法是推动工业机器人应用和提高航空制造水平的关键。为解决传统离线精度补偿技术依赖运动学模型、补偿精度受限而不能进一步提升机器人绝对定位精度的问题，本文在拉丁超立方采样点规划方法的基础上，建立了基于深度神经网络的机器人定位误差补偿模型，大幅提高了机器人的绝对定位精度。本文的主要研究内容有：
　　（1）针对现有采样点规划方法难以适用于非运动学模型标定和机器人末端姿态采样的问题，提出了机器人拉丁超立方采样点规划方法，并在该方法基础上，分析了机器人姿态对定位误差的影响，为建立误差补偿模型提供理论支撑。
　　（2）提出了一种利用遗传粒子群算法优化网络初始权值和阈值的方法，在拉丁超立方采样的基础上，建立了基于深度神经网络的机器人定位误差预测模型，提出了机器人定位误差前馈补偿方法。
　　（3）仿真优化了定位误差预测模型，试验验证了基于深度神经网络的机器人定位误差前馈补偿方法，实现了机器人定位误差的补偿；与其他精度补偿方法的对比试验结果表明，本文提出的方法在提高机器人绝对定位精度方面具有可行性和优越性。
　　（4）阐述了移动机器人自动制孔系统的软硬件组成和工作流程，验证了机器人制孔精度补偿方法。试验结果表明，移动机器人自动制孔系统的孔位精度由1.879 mm提高到了0.227 mm。