智能化、集成化、高性能运动是工业机器人发展的主要趋势。其中,高性能运动是机器人加工质量和工作效率的重要基础,要求控制器具有高的动态响应和高的鲁棒性。常规闭环控制器虽结构简单、易于实现,但通常针对线性定常系统,而机器人系统具有非线性、强耦合时变特性,尤其是高速运动时,关节力矩耦合强烈,惯性变化较大,非线性效应显著。采用常规控制方法,易产生较大控制偏差,其保守的控制参数限制了系统增益带宽,影响系统动态特性,导致大的迟滞误差,且大的惯量变化可能引起系统振荡,破坏系统稳定性。对此,本文进行基于动力学的机器人高性能运动控制技术研究。主要内容如下:对6R工业机器人进行动力学建模分析,根据其非线性、强耦合时变特性,采用动力学前馈控制总体结构,通过与常规闭环反馈控制结构对比仿真,表明动力学前馈控制能有效改善机器人动态性能和运动精度。由于实际工作中机器人的精确模型参数难以获取,且工作过程存在不确定性扰动,为提高控制的鲁棒性,结合自抗扰控制(Active Disturbance Rejection Control,ADRC)结构简单、抗扰能力强、且不拘于受控模型等特点,提出基于动力学前馈的自抗扰控制策略,并针对机器人多关节耦合问题,通过动力学特性进行控制解耦;继而,研究了基于动力学前馈的ADRC串级控制结构与算法。结果表明,基于动力学前馈的ADRC控制器对不确定性扰动具有良好鲁棒性。精确的动力学控制要求精确的动力学模型参数。为提高动力学模型参数获取精度,针对常规参数辨识方法过程复杂、累积误差大、受负载影响大等问题,基于最小惯性参数模型,从以下方面进行参数辨识研究:在辨识策略方面,提出“高位统一,低位逐一”辨识策略,改善统一辨识时多关节耦合干扰问题和逐一辨识时误差逐级传递问题;在负载惯性参数辨识方面,提出“空载与带载力矩差值辨识策略”,将空载状态下的关节实测力矩信息,替换相同轨迹下带载本体动力学预测模型,通过差值重构负载的动力学参数辨识模型,避免了对本体惯性参数的重复调用和误差引入以及动力学在线计算,从而提高了辨识精度和效率;在估算方法方面,将加权最小二乘法和遗传算法有效结合,提高参数估计精度。为降低摩擦力不确定性对动力学模型精度的影响,提高运动控制性能,针对常规摩擦模型存在差异性和拟合不充分问题,即难以用统一形式充分拟合实际实验特征,提出一种基于遗传算法优化的BP神经网络摩擦模型,相比而言,具有更高的拟合精度。此外,减少控制器采样噪声,提高反馈信号品质,是改善闭环系统动态特性,实现高性能运动控制的基础。针对常规微分跟踪器稳定性差、输出振颤、形式复杂等问题,提出一种稳定性高、收敛快的非线性微分跟踪器,具有信号跟踪准确、响应快、过渡平稳等优点,对信号的导数估计具有良好逼近与滤波效果。基于上述研究,根据机器人控制系统总体结构,研制了运动控制实验平台,设计了运动控制软件结构,实现机器人运动控制、动力学参数辨识等基本功能;并开展了动力学参数辨识和空间轨迹跟踪等实验研究。结果表明,本文提出的基于动力学前馈的ADRC控制器能有效提高机器人的跟踪精度、动态响应和鲁棒性。