工业机器人是一种高能耗设备,其能量效率极低,广泛应用于搬运、焊接、喷涂等场合中。节能减排的实际需求使得降低机器人的能耗成为提高控制精度之外的另一项重要任务。工业机器人的能耗具有多源性、复杂性和动态性,预测其实时功率具有较大难度。目前,几乎所有降低机器人能耗方面的研究把加速度的平方和、扭矩的平方和、机械能等作为目标函数,然而这些函数并不能准确地代表机器人的真实功耗。由于工业机器人控制器的开放性不够好,以及很多技术参数不详,让很多优化机器人轨迹的研究停留在仿真阶段,也无法得知能耗优化的实际效果。为了有效地降低工业机器人运行过程中的能耗,需要建立机器人系统详细的功耗模型,并把优化轨迹在机器人上进行实际测试。首先,针对工业机器人关节扭矩难以预测的问题,本文以库卡公司的KR60-3机器人为例,通过DH参数法建立了机器人的运动学模型,并使用牛顿-欧拉迭代法对机器人的动力学进行了分析。在此基础上,采用经典的动力学参数辨识理论求取了机器人连杆的动力学参数,并通过遗传算法有效地降低了扭矩的预测误差。接着,针对工业机器人能耗来源众多,电气参数缺失导致损耗难以估计的问题,本文详细地分析了机器人电气系统的功耗特性,求得机器人损耗功率的线性模型,并设计了相关的激励轨迹,采用最小二乘法对模型中的参数进行辨识。验证实验的结果表明,此模型可以准确地预测工业机器人的功率。在已知机器人关节扭矩和电气损耗的计算方法的基础上,本文应用B样条函数在关节空间规划了工业机器人的轨迹,以机器人能耗为目标函数,轨迹节点之间的时间间隔为变量,通过粒子群算法对机器人的运行轨迹进行优化。实验结果表明,优化轨迹能明显地降低机器人的运行能耗。