Con el objetivo de abordar el problema de degradación de precisión en robots Delta causado por la precisión de mecanizado, precisión de ensamblaje, etc., este documento corrige los ángulos de conducción del robot para lograr compensación de errores y diseña un algoritmo de compensación basado en la optimización por enjambre de partículas (PSO) y la red neuronal BP. En cuanto a la mejora del algoritmo, se optimizan el peso de la inercia y los factores de aprendizaje del algoritmo PSO para mejorar efectivamente la capacidad de búsqueda global y el rendimiento de convergencia del algoritmo. Además, se introducen los mecanismos centrales de los algoritmos genéticos, incluidas las operaciones de selección, cruce y mutación, para mejorar la diversidad del algoritmo, proponiendo en última instancia un algoritmo de compensación de errores PSO-GA-BP mejorado. Este algoritmo utiliza el algoritmo PSO-GA mejorado para optimizar los ángulos de corrección óptimos y entrena la red BP con el conjunto de datos optimizado para lograr una compensación predictiva para otros puntos. Los resultados de la simulación muestran que el error integral del robot después de la compensación por este algoritmo se reduce en un 83.8%, verificando su efectividad en la compensación de precisión de posicionamiento y proporcionando un nuevo método para la optimización de precisión de robots paralelos.