1.贴标机器人系统部件空间位置优化方法，所述方法采用的贴标机器人系统，包括供压单元(1)、控制单元(2)、视觉单元(3)、标签打印机(4)和工业机器人(5)，其特征在所述方法包括如下步骤：

第1步，建立贴标机器人系统的坐标系，在待贴标工位的理论中心建立用户坐标系，根据用户坐标系的位姿确定工业机器人和标签打印机的姿态，建立工业机器人坐标系和标签打印机坐标系；

第2步，生成贴标点的空间坐标，根据贴标对象的约束条件，随机产生若干个空间点模拟多个贴标点的空间位置；

第3步，建立贴标机器人系统中工业机器人和标签打印机空间位置优化的数学模型，以工业机器人空间位置和标签打印机空间位置为设计变量，结合机器人的工作空间确定工业机器人和标签打印机的空间位置约束条件，将工业机器人的关节转角总行程最小作为目标函数，利用工业机器人逆运动学解析解表达式将取标点和所有贴标点的世界坐标位姿矩阵转化为机器人关节坐标，计算机器人从取标点运动到单个贴标点的各关节转角改变量的绝对值之和为单个贴标点的关节转角行程，对所有贴标点的关节转角行程求和得到工业机器人的关节转角总行程；

第4步，采用优化算法完成计算，采用优化算法求解贴标机器人系统工业机器人和标签打印机空间位置优化的数学模型，得到工业机器人完成所有贴标点贴标关节转角总行程最小的工业机器人和标签打印机摆放的最佳空间位置。

2.如权利要求1所述的贴标机器人系统部件空间位置优化方法，其特征在于：第4步采用改进的粒子群优化算法完成贴标机器人系统部件空间位置优化的计算，对传统的粒子群优化算法进行如下改进：

(1)以非线性变化的Tanh函数计算惯性权重ω，计算公式为式中，ωmin、ωmax代表惯性权重的最小值和惯性权重的最大值，K为最大迭代次数，k为当前迭代次数，λ为放大系数，μ为平移系数；

(2)采用异步非线性变化的学习因子，个体学习因子c1的计算公式为式中，c1max、c1min为最大个体学习因子和最小个体学习因子；社会学习因子c2的计算公式为 式中，c2max、c2min为最大社会学习因子和最小社会学习因子；

(3)采用非线性变化的粒子数目n，计算公式为式中，nmax为迭代最大粒子数；nmin为迭代最小粒子数。

3.如权利要求1所述的贴标机器人系统部件空间位置优化方法，其特征在于：采用改进的粒子群优化算法完成贴标机器人系统部件空间位置优化计算的具体步骤如下：①初始化贴标机器人系统优化数学模型基本参数，随机初始化贴标点中心坐标和所有粒子的位置和速度，初始化个体最优值，取最小值为全局最优值；

②更新非线性变化的粒子数目；

③更新异步非线性变化的学习因子和以Tanh函数计算非线性变化的惯性权重，更新所有粒子的位置和速度，根据工业机器人运动学解析解，计算工业机器人的关节转角总行程，更新所有粒子适应度值，更新全局最优值和个体最优值；

④判断迭代是否达到最大的迭代次数，若没有则返回步骤②。

4.如权利要求1所述的贴标机器人系统部件空间位置优化方法，其特征在于：贴标机器人系统的工业机器人选用埃夫特公司的ER7L‑C10型六自由度工业机器人，标签打印机选用斑马公司的ZT410型打印剥离一体工业打印机。