在“中国制造2025”国家发展战略提出的大背景下,随着我国产业结构升级压力增大、人口红利减少等问题的凸显,以及对稳定品质、高附加值加工制造的需求,码垛机器人应用在越来越广泛的制造领域,已成为不可或缺的核心自动化装备。当前对码垛机器人的研究主要包括运动学、动力学、轨迹规划和控制三个方面,其中运动学的研究是动力学、轨迹规划和控制的基础。运动学的研究主要包括运动模型的建立和运动学方程正、逆解的求解问题。其中逆解的求解直接关系到运动学分析、轨迹规划和实时控制等工作,因此逆解的求解问题是运动学研究中非常重要的课题。本文以西安银马发展实业有限公司码垛机器人为例,分析其机构特点,利用D-H法建立数学模型,求出正、逆解的数学表达式,为后续的仿真奠定理论基础。码垛机器人的运动学方程是一个非常复杂的非线性方程组,传统的求解方法遇到了很大的困难,而利用BP神经网络强大的非线性拟合能力,能够较好的解决逆运动学方程的求解问题。针对传统BP算法存在的搜索速度慢、精度低、容易陷入局部极小值等问题,利用遗传算法优化BP神经网络权值和阈值,仿真结果表明遗传算法优化后的BP神经网络求解精度明显改善。针对普通单种群遗传算法存在的早熟、收敛等问题,引入移民算子和人工选择算子,采用多种群遗传算法优化BP神经网络进行逆运动学求解,仿真结果表明求解精度有进一步的提高。研究结果表明,本文提出的采用遗传算法优化BP神经网络进行机器人逆运动学求解的方法可行,仿真结果能够满足逆解要求。