工业机器人是一个复杂的非线性、强耦合、多变量的动态系统,运行时常具有不确定性,用现有的机器人动力学模型的先验知识常常难以建立其精确的数学模型.动力学模型是机器人系统动力学仿真、分析和控制的基础,而其应用的前提条件是已知机器人各臂的质量、质心位置、惯性矩和惯性积以及各关节的磨擦阻尼特性等动力学参数.一般情况下,这一复杂机械系统的动力学参数必须通过一定的方法辨识获得.现有的机器人动力学参数理论辨识方法多是将机器人系统作为线性系统来考虑,忽略了它的强非线性特性.遗传算法(Genetic Algorithm,简称GA)以其能以较大概率求得全局最优解,具有较强鲁棒性、适应性和并行性等特点吸引了众多领域的研究人员,并已在人工智能、机器学习、函数优化、模式识别、图象处理等中得到广泛应用.遗传算法也为机器人这样复杂的非线性系统辨识提供了一种有效的途径.该文将遗传算法与单纯形调优法结合,利用两种方法各产生一部分新点,而且产生新点的比例随着迭代的进行作自适应调整.当迭代次数增加时,由单纯形法产生新点的比例增加,从而增强了算法的局部搜索能力.同时算法采用实数编码的方式,既具有直观简单的特点,又方便了遗传操作,算法精度高.最后将混合算法用于机器人动力学参数辨识,仿真结果表明,该算法是有效的,将遗传算法用于机器人动力学参数辨识是可行的.