摘要：随着工业机器人在高端制造领域应用中的不断深入,其绝对定位精度低的问题越加凸显。研究了基于神经网络的机器人实际位姿误差预测问题,针对Staubli TX60型串联工业机器人进行了运动学建模和误差分析,并搭建了基于Leica AT960激光跟踪仪的机器人测量实验平台,测量并计算了大量末端位姿误差数据。设计并优化最佳DNN神经网络结构,利用该神经网络预测机器人实际位姿误差,避免了基于模型的机器人精度提升方法中复杂的误差建模。补偿后的机器人平均绝对位置误差和平均绝对姿态误差分别由补偿前的(0.671 12 mm, 0.002 86 rad)降低至(0.048 58 mm, 0.000 46 rad),位置精度提升92.76%,姿态精度提升83.92%。最后,通过与BP、Elman神经网络以及传统LM最小二乘标定方法进行对比实验,验证了基于DNN深度神经网络进行机器人位姿精度提升具有更好的平衡性。