目前,工业机器人已经广泛应用于包括安装、搬运、生产线和精加工等工业生产的各个领域,以提升重复工作的生产效率和精度。但是由于工业机器人关节间隙、轴长加工误差及安装误差等不确定变量的存在,导致工业机器人末端执行器的实际运动位置偏离目标位置,造成定位精度下降。定位精度是工业机器人一项重要的性能指标,直接影响着工业机器人加工零件和装配件的质量。定位精度主要包括两方面内容:重复定位精度和绝对定位精度,目前工业机器人的绝对定位精度尚未满足一些精加工的需求。由此,准确分析工业机器人定位精度可靠性并提高其绝对定位精度是提升工业机器人性能的关键。本文利用径向基神经网络技术分析工业机器人定位精度可靠性并对其进行误差补偿,主要研究内容如下:（1）利用经典的D-H建模方法建立工业机器人运动学方程,进行正逆运动学求解,通过MATLAB中机器人工具箱仿真验证正逆运动学求解的准确性。（2）将影响工业机器人定位精度的不确定变量代入运动学模型,利用径向基神经网络算法进行定位精度可靠性分析。针对普通神经网络学习算法的不足,提出一种混合学习算法训练径向基神经网络,结合自组织选取中心算法和正交最小二乘算法的优势,在保证计算精度的基础上提升计算效率。（3）通过粒子群优化算法优化的径向基神经网络构建工业机器人名义位置和定位误差之间的映射关系,并提出描述工业机器人特定工作空间内定位误差情况的定位误差场概念。根据误差场信息预偏移指令位置进行误差补偿,采用仿真模型验证了该方法的有效性。（4）根据所提的径向基神经网络误差补偿方法,对实际工业机器人进行误差补偿实验。实验选用三种不同额定负载的工业机器人分别进行验证,通过所提方法进行补偿后,三种工业机器人的绝对定位精度得到显著提高,定位误差范围明显缩小。本研究通过理论、仿真及实验,对工业机器人进行定位精度可靠性分析和定位误差补偿。结果表明,所提方法可以准确地分析工业机器人的定位精度可靠性并大幅提升其绝对定位精度,具有良好的实际应用价值。