本文所研究的打捞机器人主要用于抓取高价值水面漂浮物,由于其自身结构,动力学特性,环境等因素,其实现自动化抓取的精度难以保证,因此本文主要针对影响其抓取精度的主要因素,进行研究,进而提高其抓取精度。本文以打捞机器人系统的8自由度机械臂为研究对象,以位姿精度提升为目的,对其误差模型和参数辨识及其补偿方式进行了研究,包括其正向运动学模型及其静态结构参数误差的建模,基于臂杆柔性的弹性变形误差模型建立,动力学模型的建立及其模态分析、参数辨识方法及其综合误差补偿方法进行了研究。误差建模方面,本文对研究对象打捞机器人的误差来源进行分析,对打捞机器人的运动学及其运动学误差模型进行了研究,基于打捞机器人的正向运动学理论和微动理论,并通过改进传统DH参数描述的不足,引入了MDH模型,并参考了MCPC模型,建立了从基座到末端操作手的完整的静态误差模型。然后根据误差模型的表达方式,及雅克比矩阵理论,将误差模型泛化,建立其广义误差模型。弹性变形误差方面,本文以臂杆柔性为主要影响因素,建立了打捞机器人在受到外力和自身重力情况下的柔性误差模型;并基于臂杆柔性,采用Hamilton原理,建立了打捞机器人刚柔耦合动力学模型。通过该模型得到本文研究对象的动力学模型,并进行了打捞机器人的模态分析,分析了影响抓取过程中的主要臂杆的模态。在误差补偿方面,因为打捞机器人自由度过多,难以直接求解误差模型的情况,对打捞机器人采用粒子群算法,进行了参数辨识的研究。在研究过程中,针对优化问题容易出现多解的情况,对打捞机器人的误差参数进行分组,通过将一个具有大量参数的优化问题,简化成几个具有较少参数的优化问题,提高了辨识的准确性,快速性和稳定性。同时,针对打捞机器人其他影响因素,避免建立更多模型,而且模型过多,计算复杂,难以进行实施补偿的问题,采用了RBF算法对综合误差补偿进行了研究,以理论位姿为输入和实际位姿为输出进行RBF神经网络的训练,得到了一个可以通过理论位姿预测实际位姿的网络,而后利用误差补偿理论,进行了综合误差补偿。