随着工业现代化进程的快速推进,我国的制造业发展也迈上了新的台阶,工业机器人是当今制造业的重要组成部分,被应用于各种各样的生产场景,且能够代替人工完成搬运、焊接等各类任务。但在工程实践中,工业机器人运行精准度较低的现象较为普遍,这主要是受到机器人关节摩擦力的影响。本文以提高工业机器人运行精准度为目标,对工业机器人关节摩擦补偿问题进行了深入研究。本文针对工业机器人关节摩擦补偿问题,对摩擦现象以及摩擦模型进行了归纳总结,在此基础上设计了基于Stribeck摩擦模型的机器人关节摩擦补偿策略。首先分别介绍了仿真环境和实物环境下的机器人关节摩擦力矩测量方法。接着详细介绍了遗传算法,并采用遗传算法对Stribeck摩擦模型的参数进行辨识。最后本文设计了仿真实验和实物实验用于验证基于Stribeck摩擦模型的机器人关节摩擦补偿策略的有效性。本文利用MATLAB中的Simulink工具进行仿真实验,仿真实验结果表明:基于Stribeck摩擦模型的机器人关节摩擦补偿策略能够有效提高机器人关节的运行精准度,具体表现为机器人关节的速度、位置跟踪误差都变得更小。同时本文在六轴工业机器人实验平台上进行实物实验,实物实验结果表明:基于Stribeck摩擦模型的机器人关节摩擦补偿策略在实际应用中能够有效降低机器人关节的位置跟踪误差。本文使用强化学习技术来解决工业机器人关节摩擦补偿问题,设计了基于策略梯度算法的机器人关节摩擦补偿策略。首先论证了强化学习技术在工业机器人关节摩擦补偿问题上应用的可行性,将强化学习在工业机器人关节摩擦补偿任务中应用时所需要的关键要素进行定义。接着本文引入先验知识,并通过仿真实验验证了先验知识的引入确实有助于强化学习学习效率的提高。最后本文使用MATLAB和Python混合编程的方法设计了基于策略梯度算法的机器人关节摩擦补偿仿真实验,同时在六轴工业机器人实物平台上进行实物实验,并和无摩擦补偿、基于Stribeck摩擦模型的机器人关节摩擦补偿策略进行对比。实验结果表明:不论是在仿真环境下还是实物环境下,基于策略梯度算法的机器人关节摩擦补偿策略都能够有效补偿机器人关节产生的摩擦力,并且都要优于无摩擦补偿和基于Stribeck摩擦模型的机器人关节摩擦补偿策略。