工业机器人已经成为提高生产力不可或缺的手段,先进的机器人控制技术依赖于精确的动力学模型,而传统机器人动力学模型中没有考虑实际情况对机器人动态特性的影响,因此,对工业机器人进行精确的动力学模型辨识对提高控制精度和效率有着重要的意义。工业机器人朝轻型化发展,人机协作能力不断提高,对机器人的示教技术也提出了新的要求。直接示教(Direct Teaching)技术与传统的示教盒示教技术相比具有效率高、操作友好简单、对操作者要求低等优点,因此成为了工业机器人技术发展的重点方向。粒子群优化(PSO)算法是一种基于群体演化的智能优化算法,它具有易实现、精度高、收敛快等优点,在解决实际问题中有着其它智能算法所不具备的优势。本文基于改进的PSO算法,对工业机器人进行动力学参数辨识,并基于辨识模型,进行了直接示教技术的研究。本文基于PSO理论,提出了基于改进PSO的机器人动力学参数辨识算法。该方法通过改进牛顿-欧拉动力学建模方法,得到用于参数辨识的观测矩阵,通过改进的PSO算法辨识出满足精度要求的动力学参数。在UR工业机器人上进行运动学参数辨识,并根据力矩预测精度,验证了本文所提出的辨识算法的准确性和有效性。针对辨识所得的动力学模型,本文研究了免力矩传感器的机器人直接示教的控制方法。在基于位置控制的零力控制的基础上,提出了一种基于关节电流的免力矩传感器直接示教控制方法,直接对关节速度进行控制。仿真结果显示,所提出的控制方法能够根据外力控制机器人的运动,实现机器人的直接示教,并且不需要额外附加的传感器。在UR工业机器人上进行直接示教和示教重复实验。通过TCP/IP协议采集UR机器人特定的关节数据,将采集的电流进行滤波去除噪声干扰,再根据所建立的动力学模型对数据进行处理,生成脚本代码发送给机器人执行,实现机器人的直接示教,再根据记录的示教信息生成示教文件,实现示教再现。实验结果验证了所提出的基于关节电流的免力矩直接示教控制方法的有效性和可行性。