在生产制造中,串联机器人得到了广泛的应用。在以前馈控制、柔顺控制为代表的控制方法研究中,需要对关节力矩做出准确计算,因此精确的动力学模型是十分重要的。本文开展了六自由度串联机器人的动力学建模与参数辨识工作,并分别在辨识算法和关节模型上做出了改进,以提高动力学模型的精度。首先,选择采用牛顿—欧拉法,建立了机器人动力学模型,并通过对关节类型进行分析,确定了机器人各连杆的最小惯性参数集。选择库伦—粘滞摩擦模型,结合上述动力学模型,得到可供辨识的机器人动力学方程。接着,从改进辨识算法的思路上探究提高参数辨识精度的方法。介绍了基于加权最小二乘法的参数辨识原理和步骤。并在加权最小二乘法所得参数的基础上,采用启发式算法对参数进行优化。然后,通过对机器人关节模组结构进行分析,建立机器人关节模型,探究各关节组件对整体动力学性能的影响。与传统的简化关节模型相比,该模型对谐波减速器的部分摩擦进行了近似估计。继而提出了一种分别辨识关节模型参数和机器人连杆最小惯性参数的参数辨识方法。进而,基于串联机器人实验平台进行参数辨识与验证实验。首先采用简化的关节模型,同时采用库伦—粘滞摩擦模型描述关节整体摩擦,通过加权最小二乘法估计参数。继而分别采用三种不同的启发式优化算法,对所得的初始动力学参数进行优化,并选择额外的验证轨迹来验证上述参数的精度。实验结果表明,与传统的加权最小二乘法相比,该方法能在一定程度上提高机器人动力学参数的辨识精度。最后,建立机器人关节模型,分别对机器人各个连杆的最小惯性参数以及关节模型的各项参数进行辨识,并通过验证轨迹对模型参数进行了验证实验。结果表明,与采用简化的关节模型相比,该模型能够有效提升动力学模型的精度。并且相比于改进参数辨识算法的思路,对关节模型进行改进具有相对更好的效果。