中国已成为世界工业机器人需求第一大国,随着国家加大工业机器人产业的扶持力度,对工业机器人末端的定位精度也提出了更高的要求。传统的工业机器人通过示教手段使机器人具有较高的重复定位精度,为提高工业机器人末端的绝对定位精度,本文基于安川公司的MH80Ⅱ机器人对运动学标定中的建模、误差参数辨识和误差补偿技术进行以下理论研究工作:首先本文建立机器人MD-H运动学模型,对机器人运动学正解和逆解进行详细推导,利用Robotics Toolbox工具箱仿真验证了运动学模型的正确性。基于MD-H模型利用微分法建立机器人末端定位误差模型作为初步标定模型,设计机器人运动学模型误差和100组关节角度,根据运动学正解求出机器人末端名义位置和实际位置,利用最小二乘法辨识运动学模型误差,Matlab仿真对比辨识前后机器人末端定位误差,说明最小二乘法的有效性和局限性。随后针对最小二乘法建立定位误差模型过程中需要忽略高阶微分项导致无法精确辨识运动学模型误差的缺点,本文引入遗传算法将误差辨识转化为多参数优化问题。针对传统遗传算法具有全局优化能力但又容易陷入局部最优解的特点,本文提出遗传禁忌搜索算法(GATS)和混合遗传模拟退火算法(GASA),仿真结果表明两种改进的遗传算法均能快速跳出局部最优解,标定前机器人末端平均定位误差为9.6875mm,将辨识结果补偿到机器人控制器的运动学参数,GATS和GASA分别将平均定位误差降低为0.7412mm和0.2607mm。最后针对机器人控制器出厂后运动学参数无法改变的状况,本文使用牛顿拉普逊法(N-R)补偿机器人的关节角度来提高机器人末端定位精度。为说明三种运动学误差参数辨识方法的结果对于机器人末端轨迹规划的效果,设计一段圆弧轨迹,标定前平均定位误差为5.7560mm,最小二乘法、GATS、GASA分别辨识及补偿后将平均定位误差分别降为1.8860mm、0.9718mm、0.7641mm,说明提出的两种改进的辨识算法具有良好的辨识效果。