针对视觉机械臂在复杂系统环境下整体精度不高、不易部署、校准成本高的问题，提出一种鲁棒的视觉机械臂联合建模优化方法。首先，对视觉机械臂的各个子系统模型进行集成，在机械臂的工作空间随机采集伺服电机转角、机械臂末端坐标等数据。其次，提出一种具有分层优化机制的自适应多精英引导复合差分进化算法（AMECoDEs-LO），使用参数辨识的方法同时优化联合系统参数。AMECoDEs-LO对种群中阶段性的数据进行主成分分析（PCA），以参数降维的思想实现对收敛精度和速度的隐式引导。实验结果表明，在AMECoDEs-LO和联合系统模型的作用下，视觉机械臂在校准过程中不需要额外的仪器，部署速度快，最终精度相较于传统方法提高60%；在机械臂连杆受损、伺服电机精度降低、相机定位噪声增大的情况下，系统仍然保持较高精度，验证了所提方法的鲁棒性。
