在不过分增加制造成本的前提下提高数字化脑立体定向仪的定位精度,研究了串联机构运动学标定方法。其中,串联机构运动学参数辨识是串联机构运动学标定的核心步骤也是本文的主要研究内容。指数积公式在串联机构运动学建模方面有许多优点,但对其在运动学参数辨识方面的研究不多,主要表现为：1)基于指数积公式的误差模型中是否存在冗余参数尚未研究。2)尚未见将指数积公式引入基于运动轨迹的运动学参数辨识的研究。本文研究了指数积公式在串联机构运动学参数辨识中的实现方法和过程,进行了一系列仿真和实验。为了明确基于指数积公式的误差模型的参数冗余性,在分析了现有指数映射关于旋量的微分求解方法之后,对一般串联机构建立了显式的误差模型。按辨识矩阵中向量之间的线性相关性,分析了误差模型中的运动学参数可辨识性,得到了3个实用的误差模型。分析结果表明,所有关节旋量坐标均可辨识；若误差模型中包含关节变量,则当所有关节旋量坐标组成的矩阵为列满秩时,关节变量可辨识。根据指数映射和对数映射的特性,证明了在基于指数积公式的误差建模法的参数辨识算法中所采用的迭代最小二乘法收敛。将指数积建模方法引入基于运动轨迹的运动学参数辨识,给出了实现方法,并通过实验验证了该方法的可行性和有效性。在实验中体现出优于现有同类方法,表现为可以直接从各关节运动轨迹得到运动学建模所需参数一关节旋量坐标和关节变量当量系数,而无繁琐的连杆间坐标系还原过程。通过常见工业机器人和三坐标测量机的运动学参数辨识仿真实验,验证了3个误差模型的有效性。仿真结果表明,在理想实验条件下,它们的运动学参数均可辨识,且本文方法得到的辨识结果比其他相关方法更接近于预设真值。此外,通过仿真实验分析了测量位姿组数,测量噪声和迭代计算初值对辨识结果的影响。仿真结果表明,在测量位姿组数较少或加入测量噪声或计算初值偏离预设真值较大等不利情况下,辨识算法仍表现出良好的鲁棒性。通过数字化脑立体定向仪标定实验,验证了基于误差建模和基于运动轨迹的串联机构运动学参数辨识方法的有效性和可操作性,给出了该方法的实现过程。经参数辨识后,数字化脑立体定向仪的绝对定位误差由1.87 mm降低到1.04 mm且距离测量误差由1.02 mm降低到0.46 mm,达到设计要求。通过本文研究,建立了具有显式表达的指数积公式的串联机构运动学误差模型,提出了三个实用误差模型。将指数积公式建模方法引入关节运动轨迹法运动学参数辨识。阐明了关节变量零位偏差的可辨识条件。证明了基于指数积公式误差模型中最小二乘迭代算法的收敛性。仿真与实验表明,此两种串联机构运动学参数辨识方法具有通用性和实用性。