工业机器人作为智能制造装备的典型代表,其精度受到加工、装配、连杆变形等误差的影响,难以实现向高精度和高智能化的转型升级。通过测量机器人末端位置误差并辨识运动学参数,减小运动学参数误差的影响,提高工业机器人精度性能,一直是国内外研究的热点和难点。但现有的机器人位置测量方法难以满足大测量范围和高测量精度的需求,且位置与距离误差辨识模型的精度也亟需得到提高。为此,本文提出了基于球心测量的工业机器人运动学参数标定方法,设计了基于正交位移的三传感器测量仪（R-test）原型及其结构参数标定方法,进而构建了以提高位置精度和距离精度为目标的工业机器人控制器可补偿运动学参数辨识方法,力求为工业机器人精度和标定效率的提升提供新的思路和有益探索。论文主要研究内容如下:基于经典DH法则,建立了垂直六关节型工业机器人的运动学正解和反解模型,同时,构建了运动学参数误差模型,并通过仿真说明了控制器可补偿误差参数的贡献度。此外,依据工业机器人精度性能评价指标,以位置误差和距离误差为因变量,提出机器人控制器可补偿运动学参数的辨识方案,并依据工业机器人精度范围,确定R-test测量方法的目标测量精度和测量范围。提出两种适合不同需求的工业机器人精度测量方法。首先对R-test测量方法进行改进,通过正交位移优化R-test构型,保证测量范围分布均匀,在此基础上,对传感器方向参数误差和位置参数误差进行分步校准,并设计非冗余结构参数标定方法,避免了辨识参数过多导致辨识精度下降,进一步提高了测量精度。其次对同向位移测量方法进行改进,扩展R-test测量方法中三个方向获取三组位移的特征,提出间断获取同向三组位移的测量方法,避免了连续测量引入的振动误差,提高了测量精度。为指导R-test传感器选型,设计基于基准点标定的传感器测量球面误差的测量方法,精确获取了传感器测量球面的误差。对于位置精度优先的运动学参数辨识方法不精确的问题,提出基于手眼位姿参数分离模型的运动学参数辨识方法。在手眼位姿参数分离的基础上,构建运动学参数误差辨识模型,采用三个独立的参数表示手眼旋转矩阵,消除统一辨识模型中正交化近似旋转矩阵带来的不确定性。以此为基础,利用最小二乘和粒子群算法实现混合分步辨识,求解最优运动学参数误差下的手眼姿态参数,从而对固定手眼位置参数的误差进行校正,保证了辨识结果的全局最优性。为获取辨识所需位置误差,设计基于同向位移的机器人位置测量实现方法。对于距离精度优先的运动学参数辨识方法基于假设条件和局限性的问题,提出基于精确距离误差模型的运动学参数辨识方法。引入第一个关节角误差对距离误差辨识模型的冗余特征,利用测点全局距离信息构建精确距离误差辨识模型,解决了传统模型依赖于假设条件的问题。为提高相对位置精度,通过对第一个关节角误差的补偿,弥补距离误差辨识模型对位置精度补偿的不足。为获取辨识所需距离误差,设计工业机器人距离测量实现方法,以正交位移的R-test为探头,构建了机器人末端三维位置测量系统及相应工具坐标系的标定方法。搭建了正交位移R-test原型、基于同向位移的工业机器人位置误差测量系统、以R-test原型为探头的工业机器人距离误差测量系统,并对正交位移R-test非冗余结构参数辨识方法、基于手眼相对位姿分离模型的辨识方法、基于精确距离误差模型的辨识方法进行了验证。实验结果证明了本文提出的标定方法的有效性和实用性。