随着工业机器人在轻质、高速、重载和高精度等工程技术方面的发展,对由于柔性引起的机器人动态误差的研究越来越多。单纯的将连杆和关节视作刚性体的研究仿真已经不能满足现代工业对机器人的要求。基于机器人动力学模型建立的动态误差补偿系统难以对机器人进行实时控制,大多都是停留在理论研究的层面上。本文利用仿真得到的动态误差数据,反向建立基于BP神经网络的机器人误差补偿模型,用以补偿机器人柔性引起的动态误差。本文首先建立机器人刚性体模型,对其进行了动力学、运动学建模和仿真,分析了不同负载对机器人各个关节力和力矩的影响,得到了机器人末端理论的位置数据;然后建立机器人刚柔耦合动力学模型,利用假设模态法对拉格朗日动力学方程进行了离散化处理,对系统整体的动力学方程进行了数值仿真,得到了机器人刚柔耦合模型下不同负载的末端误差曲线;利用ANSYS和ADAMS软件联合仿真,抽取了腰部关节、大臂、肩部关节、小臂的六阶模态,导入到ADAMS软件中建立了机器人刚柔耦合的仿真模型,分析了关节受力和力矩,并与刚性体模型做了对比,研究了关节加速度和负载对机器人末端轨迹的影响,提取了动态误差的数据。最后将得到的误差数据进行处理,整理成输入样本矩阵和目标样本矩阵,建立了BP神经网络,利用它对样本进行了训练,得到了动态误差补偿系统,通过对新样本的仿真,得到的输出与目标输出的误差很小,验证了补偿器的正确性,取得了较好的效果。