随着国家现代化进程的推进,大型机械臂被应用在各个领域,本文以利用参数辨识方法建立机械臂的动力学模型为任务,主要完成了大型机械臂的动力学建模,动力学参数辨识以及末端六维力/力矩传感器降噪三项工作。首先,完成了大型机械臂的动力学建模。采取线性扭簧描述关节柔性,Stribeck模型描述摩擦,假设模态法描述杆件柔性,借助修改的DH参数法和浮动坐标系法完成机械臂运动学分析,然后利用Kane方法建立空载时大型机械臂的动力学模型,并借助末端六维力/力矩传感器将建立的模型应用到带有末端负载的情况。介绍了机械臂的正逆动力学问题,由于机械臂的动力学模型为刚性微分方程,本文利用5阶Gear法对其进行积分求解。在MATLAB中编程并完成了所建模型的数值仿真,应用SolidWorks,ANSYS和Adams软件建立了七自由度大型机械臂仿真模型,将其与所建立的动力学模型对比,完成了模型的验证。其次,采取系统辨识的方式得到动力学模型参数。利用Lagrange法说明了柔性臂动力学模型是关于其动力学参数的线性函数,然后基于Kane方法推导了其线性模型,并对其最小惯性参数集进行了探讨。辨识轨迹选取所有关节同时高速或低速运动的两条轨迹。对于带有关节力矩传感器的机械臂,采取关节和杆件参数分开辨识的方式。每个关节的参数独立辨识,均利用MATLAB中拟合工具箱对建立的关节动力学模型拟合。杆件参数辨识有两种方案:1)低速时辨识刚性参数,高速时辨识柔性参数;2)高速时同时辨识出刚性和柔性参数。为了减少一次辨识的参数,采用从末端杆向基座逐杆递推的方式辨识,可采用线性方法和非线性方法分别辨识。然后,为了提高机械臂带载时的模型精度,提出了一种针对机械臂末端六维力/力矩传感器的降噪方法,包括寻找匹配信号的搜索方法和自适应层数的方法。由于分解层数会直接影响到小波阈值降噪方法的降噪结果,因而本文基于末端传感器多路输出信号之间的相关性分析,借助提出的搜索方法,得到一组匹配的信号,然后通过检测不同分解层数的近似系数重构是否保留了该匹配信号的变化趋势,确定合适的分解层数。最后,完成了相关的仿真及实验。利用软件中建立的仿真模型生成参数辨识仿真数据,完成并分析了机械臂低速和高速运行时对关节参数的辨识效果,以及比较了采用不同的辨识方法,不同的辨识方案对杆件参数的辨识效果。对于提出的传感器降噪方法,进行了实验,实验结果表明提出的降噪方法具有一定效果。