随着现代产业的高速发展,工业机器人已成为智能制造的核心技术装备。工业机器人被应用于复杂工艺的高端制造,更复杂的任务需求对工业机器人性能以及执行精度提出更高的要求。减速器作为工业机器人中不可或缺的精密传动设备,决定工业机器人的性能。协作机器人作为新兴发展的工业机器人,应用范围正在扩大,而谐波减速器是造成协作机器人关节出现迟滞现象的原因,复杂迟滞特性将不可避免地影响机器人的运动精度,限制协作机器人在精密领域的应用。针对迟滞特性,建立迟滞模型,基于迟滞模型设计控制算法,实现工业机器人的高精度控制,是工业机器人控制方法研究的方向之一。针对工业机器人柔性关节所具有的多值对应、非对称特点、主次环差异性的复杂迟滞特性,本文提出两种工业机器人柔性关节迟滞特性的建模方法:（1）针对非对称特性的神经网络迟滞模型针对工业机器人柔性关节迟滞特性具有的非对称性的特点,在PI模型中对称Play算子的结构基础上,将Play算子中的线性部分用非线性函数替代:将两个变化后的Sigmoid函数组合,设计一个与迟滞曲线轮廓接近的新函数,构造了非对称非线性的迟滞算子作为激励函数,借鉴PI模型框架,构建神经网络迟滞模型,对柔性关节表现出的复杂迟滞特性进行建模。（2）综合描述主、次环特性的混合迟滞模型由于迟滞曲线次环与主环具有不同的变化特性,根据次环的特点,设计针对次环部分的迟滞模型。发现次环部分的变化趋势与椭圆具有类似特点,对次环部分用一个合适的椭圆模型进行建模,采用直接最小二乘法拟合椭圆,得到椭圆参数,建立类椭圆迟滞模型。将神经网络迟滞模型与类椭圆迟滞模型结合构成混合迟滞模型,对工业机器人柔性关节表现出的非对称、主次环具有差异性的复杂迟滞特性建模。本文针对工业机器人柔性关节表现出的非对称性、次环与主环变化规律相异的强非线性迟滞特性进行研究,为了对复杂迟滞特性进行高精度建模,改进PI模型,构建了神经网络迟滞模型,设计非对称、非线性迟滞算子,提高了迟滞模型的非线性程度,由于迟滞算子轮廓与迟滞曲线接近,使其能够描述迟滞曲线特性的变化规律。对模型进行验证,结果表明:与PI模型比较,所设计神经网络迟滞模型具有更高的预测精度以及泛化能力。并在人为增加干扰下,对模型进一步验证,结果表明:神经网络迟滞模型具有更好的抗干扰能力。根据次环的变化趋势与形态特点,设计类椭圆迟滞模型,以椭圆的特性去接近次环部分的局部特点,针对次环部分的类椭圆迟滞模型,在最大误差上能和针对主环部分的神经网络迟滞模型保持在同一量级,在均方根误差上能略小于神经网络迟滞模型。由神经网络迟滞模型与类椭圆迟滞模型结合构成的混合迟滞模型,对工业机器人柔性关节复杂迟滞特性建模,能够综合描述主次环特性,验证结果说明,混合迟滞模型能较准确描述工业机器人柔性关节迟滞特性。