在机器人运动学和动力学性能评价中,表示机器人运动学和动力学性能的指标众多,全域性能指标是其中一项重要的评价指标,而全域性能指标又包括：线速度全域性能指标、角速度全域性能指标等指标。不同指标间往往存在不同程度的相关性,其中有些相关性非常显著,这使它们提供的信息有可能发生重叠。引入统计学原理,依据线性降维与非线性降维原则,应用主成分分析法(principal　component　analysis,　PCA)和核主成分分析法(kernel　principal　component　analysis,　KPCA)对不同尺度的　PUMA560机器人的全域性能进行综合评价,从而选择综合全域性能最优的机器人。计算结果表明：KPCA　方法较　PCA　方法有更好的降维效果,能够更有效地处理多个单一性指标间的非线性关系,提供更多的综合全域性能评价信息,可为建立机器人综合全域性能与其尺度之间的数值计算关系,为基于综合全域性能指标最佳尺度选取的研究提供科学的参考依据。