随着现代工业技术的发展,对机器人末端位姿精度的要求越来越高。而传统的工业机器人限于简单任务的需求,一般采用离线示教的方式,故大多只关心机器人的重复性。然而,良好的重复性并不一定能准确反映机器人关节角输入与机器人末端位姿输出的正确关系,仅仅表明机器人各个部分有足够的紧凑性以及关节检测有足够的分辨率。如果将机器人的高重复性转化为机器人末端的位姿精度,必须对机器人的运动学参数进行辨识——机器人标定。本文首先针对机器人运动学参数的独立性问题,引入了机器人完整性、奇异性和等价性三个概念。其中,重点讨论了机器人完整性,并根据关节振颤与否,将其划分为常规模型的完整性和广义模型的完整性。在采用几何分析和误差空间分析的基础上,推导常规模型和广义模型独立参数数量的计算公式。其次,针对在连续关节平行的情况下,D-H建模方法会引起机器人运动学参数相关的问题,引入了改进的连杆运动学变换矩阵,推导了连续连杆之间的位姿误差模型;以此为基础,建立了机器人末端位姿的误差模型,并根据复杂程度的不同,将此模型简化为一阶位姿误差模型和二阶位姿误差模型。基于上述位姿误差模型,讨论机器人末端位姿误差的分布,计算了一阶误差域和二阶误差域。再次,本文提出一种基于排挤机制的遗传算法。该算法根据个体间相似度来淘汰种群中相似个体,以此维持种群的多样性,避免算法未成熟收敛。根据位姿误差模型,考虑到测量噪声的影响,并按照测量点数及重复测量次数划分的不同仿真类型,分别采用最小二乘算法和遗传算法对机器人运动学参数辨识进行了仿真,仿真结果表明机器人末端位姿精度有了明显的改善,证明了这些算法的有效性。同时依据仿真结果分析了两种算法各自的优缺点。值得一提的是,在仿真中发现:由于遗传算法搜索的随机性和非连续性,其对相关的机器人运动学参数不敏感,故遗传算法对运动学模型有极强的适应性。