工业机器人作为智能制造的重要一环,被广泛应用于执行各类重复任务,为了更高效地完成给定任务,基于任务优化设计机器人机构的研究越来越受到关注。但传统的机器人机构设计没有统一的求解框架,对设计者的要求较高,同时设计周期较长。因此本文研究一种基于任务驱动的非冗余串联机器人的机构及其作业位置优化设计方法,以自动生成一组满足作业任务要求且远离作业奇异点、具有良好运动灵巧性的机器人机构及其作业位置参数的Pareto解集。主要的研究内容如下:机器人机构及其作业位置的多目标优化设计模型构建:确立作业任务的描述方式,定义机器人连杆、环境和任务之间的坐标系以描述机器人执行任务时的操作,分析、推导与任务相关的机器人性能评价指标;将运动学任务要求映射为机器人机构及其作业位置的优化设计问题,构建了以任务可达性为约束条件,以各向同性指标、关节角度指标和机构尺寸指标为优化目标的机器人机构及其作业位置的多目标优化设计模型框架。为解决基于任务驱动的机器人机构及其作业位置优化设计过程中可达性约束的检测问题,研究非冗余串联机器人的通用逆运动学求解方法:根据非冗余串联机器人的逆运动学特点,将逆运动学问题建模为一个多模态优化问题,并提出了一种基于RS-CMSA（Covariance Matrix Self-Adaptation Evolution Strategy with Repelling Subpopulations）多模态优化算法的离散轨迹点的通用逆运动学求解方法;进一步地,对于连续轨迹,在多模态优化算法求出初始任务点对应的所有逆解基础上,利用阻尼最小二乘法对后续轨迹点进行迭代求逆,从而得到连续轨迹对应的所有逆解。仿真结果表明,大多数情况下RSCMSA多模态算法可求出任意机器人机构型式关于轨迹点的所有逆解,进一步结合阻尼最小二乘法的逆运动学求解方法可以获得连续轨迹的所有逆解。基于通用逆运动学求解方法,提出一种内、外层嵌套的机器人机构及其作业位置的多目标优化设计方法:其中外层使用基于Pareto最优理论的NSGA-II（Non-Dominated Sorting Genetic Algorithm II）多目标优化算法进行机器人运动机构及其作业位置的优化设计;内层通过调用逆运动学求解模型判断机器人的任务可达性,以筛选出可行的机器人机构和作业位置参数。此外,为提高算法的收敛性和效率,基于初始个体优选策略,将可达性约束作为优化目标,提出基于CMA-ES（Covariance Matrix Adaptation Evolution Strategy）算法获取满足可达性约束的初始可行种群的方法。对于给定作业任务,进行机器人运动机构和作业位置的优化实验,结果表明,所提内、外层嵌套的优化设计方法可以生成一组任务最优型机器人机构及其作业位置的Pareto解集,所有解都满足任务可达性,并且在各个性能指标上都表现良好;对于给定具体任务和机器人,以UR3e为例进行作业位置的优化实验,结果表明所提方法也可单独用于优化机器人基座与作业对象的布局,使机器人能更高效、高质地完成任务。