本发明提出了一种基于神经网络的工业机器人动力学辨识方法，包括以下步骤：S1、选用循环神经网络作为工业机器人动力学的近似模型；S2、辨识实验轨迹；S3、数据采集和预处理；S4、模型参数辨识；S5、模型验证。本发明选用循环神经网络作为工业机器人动力学的近似模型，利用上述采集得到的机器人运动数据，使用二阶学习算法列文伯格?马夸尔特算法训练动力学模型的参数，最终得到一个能够准确反映工业机器人关节运动变量和关节电机转矩两种数据之间的关系的动力学模型。本发明有助于提高机器人的控制性能。