工业生产的机械化和智能化引领了制造产业的变革,工业机器人产业具有十分巨大的发展潜力。其中机器人的振动性能直接影响了其可靠性、工作精度和市场。本文针对某国产机器人手臂末端存在明显抖动现象,对机器人的振动问题进行系统研究。首先基于试验方法对机器人的振动性能进行评价,提出改进传递路径分析（Transfer Path Analysis,TPA）的方法来研究的机器人抖动问题,基于经验模态分解（Empirical Mode Decomposition,EMD）和希尔伯特（Hilbert）包络法对机器人关键部件RV（Rotate Vector）减速器进行研究,得出抖动问题根本原因并做出改进,从而提升了机器人的振动性能。具体工作内容如下:（1）本文介绍了TPA方法的理论知识以及分析流程,对传递路径载荷识别的逆矩阵法进行详细推导。对逆矩阵法中存在的病态问题提出改进,利用误差反向传播（Error Back Propagation,BP）算法克服了矩阵求逆存在的计算量大和精度不高等问题。给出相关理论推导及算法流程,提高了分析计算的精度和时效性。（2）基于工程试验的方法对机器人进行典型工况振动试验和传递路径试验。首先对振动信号进行时域频域分析,初步选择能够较好反映故障特征的测点。从实践角度出发,依据振动能量幅值对该工业机器人振动性能进行评价。创新性的将改进的TPA算法应用于机器人末端振动传递路径识别中,得出机器人的贡献量较大的激励源和机器人振动传递路径的能量贡献排序。然后对振动主要激励源进行精细化研究,通过搭建试验台架对激励源的核心零部件进行独立振动测试。（3）基于EMD算法对机器人核心零部件-RV减速器进行故障诊断。通过对振动信号进行时域频域分析对减速器的振动性能做出初步评价。提出用EMD和Hilbert包络的分析方法来进行RV减速器的故障特征提取,结合减速器的结构特性,研究得出RV减速器存在的结构问题,对问题RV减速器提出了结构优化方法。（4）最后对机器人的RV减速器进行了改进,优化了工业机器人的振动性能,采用对比试验的方法证明了TPA分析方法和EMD故障诊断在工业机器人振动优化领域的有效性。本文提出一整套机器人异常抖动诊断流程,为工业机器人及其重要零部件测试研究提供了参考与指导,对于提升工业机器人综合性能具有现实意义。