随着六自由度机器人在工业现场和人们日常生活中的应用日益广泛,为了实现机器人的高速高精度控制,往往需要获得机器人准确的动力学模型,而模型的精准与否主要取决于动力学参数,因此对于机器人动力学参数辨识方法的相关研究尤为重要。本文针对机器人动力学参数辨识的关键技术作出改进,重点从激励轨迹的设计优化、参数辨识的方法以及摩擦力建模和辨识这几方面开展研究,旨在进一步优化辨识方法并提高最终结果的精度,为基于动力学模型的精确控制提供基础和先决条件。首先,对六自由度机器人的动力学参数辨识方案进行了整体设计。通过PUMA560机器人示例,分析了其运动学与动力学建模过程,并给出了六自由度机器人动力学参数辨识依据和基于最小惯性参数集的辨识原理,为后文的参数辨识工作提供基础和理论依据。其次,对参数辨识所需的激励轨迹进行设计与系数优化。在对不同轨迹模型的特点进行分析之后,选择了基于傅里叶级数型的轨迹作为激励轨迹的模型并以最小化观测矩阵条件数作为系数优化的指标。在对轨迹系数进行优化时,提出了一种改进的遗传算法,同传统算法相比,该改进方法在快速收敛能力和全局优化能力上都有一定的提高。根据改进方法所得结果给出了优化后的激励轨迹的具体描述并验证了其正确性。然后,设计了基于最小惯性参数集的改进辨识算法进行参数辨识。将通过改进方法所得的辨识结果同传统方法加以比较,利用拟合力矩与实际力矩的均方根误差对比结果说明了改进的方法在辨识效果上具有的优越性。另外,设计了验证实验完成了模型验证的工作,并根据所得机器人逆动力学模型设计了前馈控制仿真,结果证明了根据改进方法所得到的辨识结果的正确性与有效性。最后,提出了一个改进的非线性摩擦模型,并对相关系数进行了辨识。针对现有模型存在的一些缺陷,提出了一个能够对摩擦低速行为同样进行较好描述的模型,通过在实际机器人上采集的数据对模型进行系数辨识,对比分析了改进模型与传统库仑黏性模型对摩擦力矩的拟合效果,结果说明改进模型具有更高的拟合精度,并且改进模型还具备在零速连续的特性。