工业机器人作为智能制造中不可或缺的智能装备广泛应用于各个生产加工领域中,机器人运动轨迹精度是保证生产质量的一个重要指标,最具代表性的六自由度串联机器人的轨迹精度要求不断得到重视。目前市场使用最多的工业机器人重复定位精度与绝对定位精度已有较大的提高,而机器人末端运行的轨迹精度仍无法达到较高的生产要求,因此如何提高工业机器人轨迹精度成为机器人研究方向的重要领域之一。运动轨迹精度是工业机器人重要的性能评价指标,本文从机器人运动学角度研究工业机器人轨迹精度提高补偿方法。以SR4C六自由度工业机器人为研究对象,基于国标中对机器人轨迹精度的评定标准,提出一种基于运动学分析的工业机器人轨迹精度补偿方法,建立了曲线运动轨迹偏差与运动学模型参数误差映射的机器人运动轨迹误差数学模型。在实现激光跟踪仪和机器人坐标系统一的快速有效的坐标系转化方法的基础上,采用改进最小二乘算法选择轨迹偏差最小时的最优运动学参数的方法,对构建的机器人轨迹测试与补偿实验系统进行了轨迹补偿实验验证了该方法的有效性,结果表明经该方法补偿后机器人平均位置误差由3.65%提高至0.79%,直线、圆弧轨迹精度分别提高了 38.75%、25%,主要研究工作为:首先介绍目前六自由度串联机器人轨迹精度国内外的研究现状,后具体对SR4C型工业机器人进行运动学分析,分别采用了 DH与MDH的建模方法,基于机器人理论关节参数通过空间齐次变换矩阵对SR4C型机器人进行运动学建模,对该型号机器人进行正逆运动学求解并做运动学与工作空间仿真,得到在具体位姿下的最优逆解。其次分析并总结影响机器人轨迹精度的误差源,在机器人位姿静态误差模型的基础上建立较为准确的轨迹精度动态误差模型,对机器人工作空间轨迹误差进行求解。基于SR4C型机器人轨迹精度误差模型进行最小二乘与改进最小二乘算法的轨迹误差辨识补偿,设定机器人目标轨迹进行基于模型参数的末端轨迹数值仿真,分析静态误差源中主要模型参数对机器人轨迹误差的影响规律,在Matlab中进行SR4C机器人的相关仿真。再次介绍机器人轨迹偏差补偿方法,重点研究了基于标定方式、减速比修正的分级补偿与神经网络误差补偿方式。提出一种基于机器人空间几何测量在Polyworks上进行机器人基座标系与测量坐标系的转化方法,对SR4C型机器人进行工具坐标系与基坐标系的转化,基于轨迹误差模型利用算法进行轨迹误差辨识仿真,利用神经网络算法进行位置误差预测,并进行了机器人坐标系的仿真分析,介绍了工业机器人轨迹精度评定方法。最后构建了机器人轨迹测量系统,确定该型号机器人最大试验立方体的位置以及所需实验的运动轨迹,完成机器人实际运动参数辨识算法与轨迹运动程序设计,设计了一套实验需要的测量安装夹具包括靶球式与扫描式测量夹具,对机器人轨迹精度影响较大的参数误差进行修正补偿实验,研究分析了在不同速度下对实验运动轨迹精度的影响,利用现有的机器人轨迹性能检测与评定方法对SR4C型机器人的轨迹精度评定并验证机器人轨迹实际补偿效果,对提高六自由度工业机器人轨迹精度提供参考依据。