工业机器人是一种强非线性、惯量变化大、多领域耦合的复杂系统,实现工业机器人高速高精运动控制十分困难。基于逆动力学的前馈控制被普遍认为能在一定程度上克服机器人的非线性时变特性,有效提高机器人高速情况下的动态控制品质。然而关于这种控制方法的现有研究还存在以下不足:1)机器人动力学特性复杂,对其进行分析建模尚缺乏简洁高效的数学手段支持,导致其建模及计算效率低下;2)面向控制的机器人逆动力学建模首先需要求各关节运动学量高阶导的解析解,常规数值差分计算会引入较大偏差;3)不精确的逆动力学模型对机器人控制性能有显著影响,传统逆动力学前馈控制的设计及验证方法需要改进。结合上述问题,本文针对串联关节型工业机器人,研究基于李群李代数的机器人逆动力学建模理论及前馈控制方法,主要研究内容及成果如下:研究了面向机器人动力学分析的李群李代数基础理论,并推导出了相关推论。将相关理论与推论应用于机器人运动学及动力学建模,相较于传统D-H参数法,建模计算过程更为高效,方程形式更为简洁。通过推导获得了一种新的参数线性化形式的动力学方程表达式,并基于该形式的动力学方程,提出了一种基于迭代学习的参数辨识框架,通过仿真初步验证了该参数辨识框架的可行性。提出了面向控制的刚体机器人逆动力学计算方法以及基于混合逆动力学模型的前馈控制方法。基于指数积公式推导出机器人雅克比矩阵,获得一种递推形式的雅克比矩阵的一阶导计算方法,可应用于关节位移一阶及二阶导的解析计算,为刚体机器人逆动力学的精确计算提供有效支撑。为降低逆动力学模型参数不确定性和非参数不确定性对控制性能造成的影响,提出基于“机理-数据”混合逆动力学模型的前馈控制方法。通过仿真及实验分析,验证了机器人逆动力学计算方法的正确性,且分析结果表明所提出的控制方法能显著提高机器人的轨迹跟踪精度。在刚体机器人逆动力学计算以及前馈控制方法研究基础上,进一步研究了考虑关节柔性的机器人逆动力学计算方法以及前馈控制方法。推导出一种递推形式的雅克比矩阵高阶导计算方法,并应用于机器人各关节运动学量高阶导的计算。应用李群伴随映射相关推论,简化了柔性关节机器人逆动力学推导计算过程,得到了一种计算效率更高且易于编程实现的递推形式柔性关节机器人逆动力学模型。为降低动力学机理模型的不精确性对控制性能的影响,提出基于“机理-数据”混合逆动力学模型的柔性关节机器人前馈控制方法。通过数值仿真计算验证了本文所提出的柔性关节机器人逆动力学计算方法的正确性以及基于混合逆动力学模型的柔性关节机器人前馈控制方法的优越性。建立了更为完善和有效的机器人多领域系统综合模型,为机器人控制算法的虚拟验证提供可靠数字化分析手段。针对工业机器人多领域耦合特性,研究了机器人多领域系统的层次递进建模方法,构建了机器人多领域仿真分析平台。以某型号重载机器人为例,建立其多领域系统模型,并对不同控制算法的性能进行了仿真对比,结果表明,本文所提出的基于“机理-数据”混合逆动力学模型的前馈控制方法能显著提高机器人轨迹跟踪精度,降低逆动力学模型不精确性对控制性能的影响。最后进行了实验研究,通过理论结果与实验数据的对比分析,验证了机器人逆动力学计算方法以及机器人多领域系统综合模型的正确性。