工业机器人是智能制造领域的关键基础设备,而机器人的位姿性能精度是决定其工业场景应用的重要技术指标。其核心部件在制造装配时引入的结构参数偏差是造成机器人末端位姿精度下降的主要原因,而对机器人结构参数的校准是提升其位姿性能精度指标的有效技术手段。先前对工业机器人运动学参数校准已有大量研究成果,最常用的方法就是通过最小化机器人末端的绝对位姿二乘误差来辨识机器人的结构参数。然而该方法存在两个问题:（1）对于不同工业场景应用,工业机器人所关注的性能指标不一定是绝对精度,比如机械加工、焊接等应用中更关注相继位型的相对精度,而双臂装配、多机协作等应用中更关注多机械臂间的协作精度。（2）由于位置与姿态表示的非同质性,不合适的权重系数会导致辨识过程无法收敛;此外机器人末端姿态的描述依赖于参考坐标系,不同建系策略也会直接影响校准结果。因此本文根据工业现场特定的工艺应用需求,考虑多性能指标提出一种鲁棒的机器人运动学参数校准方法,该方法通过最小化机器人末端三个测量点的相应最大定位误差来同时保证其定位与定向精度。具体来说,本文完成的主要工作有:其一,针对待辨识参数初始偏差过大而导致辨识过程不收敛的情况,建立线性-非线性参数分离的机器人MD-H模型。分析机器人MD-H运动学模型的结构参数特性,将机器人结构参数辨识原问题转换为可分离的非线性最小二乘问题:对其中的线性参数部分进行线性最小二乘,进一步求解降维的非线性最小二乘子问题。通过搜索最优的结构参数使得目标函数快速收敛到全局最小,扩大参数的收敛域范围,提升辨识过程的收敛速度和鲁棒性,避免线性参数部分初值偏差过大对算法收敛性产生的影响。其二,针对工业机器人传动系的关键部件如同步带、齿轮减速器等在制造和装配过程中引入的减速比和耦合比误差,建立计及传动比误差的机器人关节层级运动学模型;针对重载工况下各关节由于平衡外力矩产生的扭转变形,建立各关节传动系核心部件如关节减速器、轴承等的近似线性变形模型。通过测量多组位型下的机器人末端位姿精度数据,辨识各关节轴的传动比误差和静刚度系数,并设计更新考虑传动比参数与关节刚度系数的机器人控制律,进而提升机器人末端位姿精度。其三,针对工业机器人在汽车制造、机械加工、焊接、上下料、磨削抛光、搬运码垛、装配、喷涂等不同场景的应用,定义单机械臂相继位型的相对精度和多机械臂间的协作精度,并提出考虑绝对精度、相对精度和协作精度指标对工业机器人结构参数进行辨识的方法,提升工业机器人在特定工况下的性能指标。其四,针对位姿单位表示非同质性与姿态参考坐标依赖的问题,通过测量固定在机器人末端的三个靶球位置获取机器人末端的位姿信息,计算各个靶球对应的性能指标,构建计及位姿信息的多目标极小极大优化问题,优化三个靶球对应的最差性能指标。通过对机器人关节误差空间-末端笛卡尔误差空间非线性模型线性近似,不断迭代来辨识结构参数,保证机器人末端的位置及姿态精度。同时,引入极小极大算法可以增加辨识过程的鲁棒性。