针对六自由度工业机械手标定中的定位精度问题,提出一种基于仿生优化神经网络的机械手标定方法。研究六自由度工业机械手的运动学模型,并给出其D-H参数。通过将关节挠度模型和传统的运动学模型标定技术相结合,来同步识别机械手的运动学参数和柔度参数,以提高定位精度。然后,构造人工神经网络对未建模误差进行进一步补偿,如摩擦、机械传动误差和热膨胀。此外,采用入侵杂草优化算法对神经网络的权值和偏置进行优化。最后,采用六自由度机械手HX300对所提方法进行了实际测试,验证其可行性。研究结果表明标定后机械手的定位精度得到了显著提高,平均误差、最大误差和标准差分别为0.345、0.6374、0.1624 mm,均小于其他标定方法;与GA-BP神经网络标定方法相比,所提方法具有更好的收敛能力,平均误差降低了15.92%,适用于高精度的各种工业应用。