机器人对提高智能制造水平具有非常重要的意义,已成为各国科技发展的重要战略。然而,国产机器人的关键性能指标如轨迹跟踪精度、稳定性和可靠性等与国外同类产品相距甚远,严重制约了国产机器人在高精密加工制造等领域的发展和应用。由于机器人关节复杂的非线性摩擦现象是机器人轨迹跟踪精度的关键影响因素之一。因此,本文系统地研究了机器人关节摩擦的非线性特性及其对末端轨迹精度的影响规律;提出了普适性较强的关节非线性摩擦模型及其相应的参数辨识方法,对该非线性摩擦模型的关键参数进行辨识;基于相关指数校核与仿真的方法,验证了该非线性摩擦模型及参数辨识方法的正确性。本文开展和完成的主要研究内容如下:（1）通过动力学分析探究了关节摩擦对机器人末端轨迹的影响规律。基于D-H法构建机器人的连杆坐标系,通过运动学分析建立机器人关节与其末端轨迹的变换关系。规划末端标准直线轨迹,通过牛顿-欧拉法求解不同摩擦模型条件下的关节驱动力矩。在关节非线性摩擦环境条件下,通过组合体惯量-四阶龙格库塔法将驱动力矩转化为末端轨迹,并与标准轨迹对比。讨论了在不同摩擦模型的条件下,末端轨迹与标准轨迹的偏差程度。在关节速度较低时,摩擦的非线性特性对末端轨迹的影响较严重;经典的摩擦模型对关节摩擦补偿效果有限。（2）设计了测量不同布置状态的关节摩擦测量实验,提出了考虑负载非线性摩擦模型。基于六关节机器人实验平台,测量了在不同的关节速度下无负载与有负载影响的关节摩擦原始采样数据,利用线性卡尔曼滤波法消除原始数据的高频噪声。通过数值计算,滤波数据的方差比原始数据的方差减小1～2个数量级,从而验证了该方法滤波效果。对于考虑负载的关节摩擦分布,在库仑+粘性+Stribeck摩擦模型基础上,提出了多项式非线性摩擦模型。通过校核该模型与摩擦实际测量数据的相关指数,验证了模型的准确性。所提出的非线性摩擦模型能够较好地描述关节在一般情况下的摩擦分布。（3）提出了基于神经网络的参数辨识法,搭建了带有非线性摩擦的机器人比例-微分前馈仿真系统,采用神经网络法对模型参数进行辨识。分析了模型参数对关节转角的敏感性,选取了关键的摩擦模型参数。采集大量的关节转角-关键摩擦模型参数数据后,调整并训练神经网络。最终辨识出精确的摩擦模型参数。利用三种不同函数的理想轨迹验证可知,经过参数精确辨识后的轨迹跟踪精度比原始参数的轨迹跟踪精度最大提高了1.2%。