随着机器人技术和自动化水平的提升,工业机器人已成为智能制造领域的核心装备,而定位精度是评价机器人性能好坏的关键指标之一。由于加工制造误差、齿轮齿隙以及运动学参数误差等原因,工业机器人末端会产生定位误差,从而影响工业机器人定位精度的可靠性。相比重复定位精度,工业机器人的绝对定位精度更低,因此提高绝对定位精度更能推动工业机器人的广泛应用。基于Kriging模型,本文提出一种主动学习的可靠性分析方法,经过算例验证后,采用该可靠性分析方法分析了工业机器人的定位精度可靠性。随后,为提高工业机器人的绝对定位精度,提出一种基于Kriging模型的机器人定位精度补偿方法,并在此基础上对该精度补偿方法的实际补偿效果进行仿真和实验验证。本文完成的主要研究工作如下:（1）工业机器人运动学基础。首先,介绍了经典D-H模型的建模方法。然后,以某国产六自由度打磨工业机器人为研究对象,采用D-H建模方法建立该机器人的运动学模型。最后,基于建立的运动学模型,对该工业机器人进行正向运动学和逆向运动学分析。（2）工业机器人定位精度混合可靠性分析。由于数据信息不足,某些影响工业机器人定位精度的不确定变量难以获得精确的概率分布类型。针对上述情况,采用概率—区间模型描述此类可靠性分析问题。在此基础上,为高效并准确地分析机器人的定位精度可靠性,提出一种基于Kriging模型的主动学习可靠性分析方法。通过数值算例对提出方法的计算效率和精度进行验证,并将该方法用于工业机器人定位精度的混合可靠性分析。（3）工业机器人定位精度补偿与实验验证。为提高工业机器人的绝对定位精度,提出一种基于Kriging模型的工业机器人定位精度补偿方法。考虑运动学参数误差对机器人定位精度的影响,建立机器人的定位误差模型,在此基础上对提出的精度补偿方法进行仿真验证。为进一步验证方法的有效性,针对HSR-JM612型工业机器人进行了实验研究。结果表明,提出的精度补偿方法可将工业机器人的绝对定位精度提高近10倍,有效地改善了工业机器人的绝对定位精度水平。本文研究成果为工业机器人定位精度可靠性分析及绝对定位精度的提高提供了理论支撑,一定程度上推动了我国机器人技术的发展。