工业机器人作为先进制造业的关键支撑装备,其是实现智能制造的基础,也是未来实现工业自动化、数字化、智能化的重要保障。当前国产工业机器人高精度力-位控制系统的发展被运动和力等核心控制技术的缺失所掣肘,对相关问题的研究、方法创新、控制算法实现等迫在眉睫。为此,本文以应用广泛的6R工业机器人（以ABB IRB 4600型机器人为例）为研究对象,对其在运动学与动力学领域存在的关键重难点问题进行了探讨,并结合智能优化算法,探索了新的解决方法。论文的主要研究内容包括:（1）根据标准D–H参数法建立了6R工业机器人的运动学模型,分析了机器人的正运动学方程的建立过程,采用改进后的Monte·Carlor方法模拟了机器人的工作空间,验证了该方法的求解有效性;借助专业数学软件Maple推导了IRB 4600机器人逆运动学的解析求解公式,形成了通用的计算流程;将逆运动学求解问题转化为非线性方程组的求解问题,并以最小化位姿误差为目标结合运动平稳性原则构造了优化目标函数,以线性加权和法设计了算法求解的适应度函数。（2）使用Newton-Euler法在标准D-H坐标系下,梳理了机器人各关节力和力矩的递推关系,从而建立起机器人的动力学模型并实现编程验证;分析了机器人动力学参数的辨识问题,分别得到无摩擦力和考虑摩擦力因素时机器人需要辨识的动力学参数集合;介绍了参数辨识的常用方法,将辨识问题转化为非线性系统的优化问题,以最小化力矩误差为目标构造了算法求解的优化目标函数,并相应设计了适应度函数。（3）针对逆运动学求解存在的多解、精度低及通用性差等问题,提出了一种适用于各类6R工业机器人求逆解的组合优化算法。通过使用混沌映射初始化种群、收敛因子非线性更新、自适应惯性权重及引入模拟退火等4种策略得到了一种改进的鲸鱼优化算法（MSWOA）用于逆运动学问题求解;组合算法将MSWOA算法求解的结果作为初始值,再利用Newton–Raphson数值法快速迭代出满足精度要求的运动学逆解。（4）在MATLAB环境下开展多组机器人运动学及动力学关键问题求解的仿真试验,逆运动学求解试验结果表明:改进后的鲸鱼算法求逆性能得到了较大提升;相比于直接利用鲸鱼算法进行求逆,组合优化算法具有求解速度快、稳定性好、精度高的特点,同时可以解决对奇异点和一般6R机器人的求逆问题,证明了该算法求逆的可行性与有效性。使用PSO算法和WOA算法进行动力学参数辨识试验,分别通过一次性整体辨识与分步多次辨识,经模型验证,结果表明:PSO算法具有更好的求解性能,分步辨识可以得到更准确的动力学参数值,证明了使用优化算法解决参数辨识问题的有效性。