随着机器人技术的迅速发展,机器人由独立完成简单作业逐渐转变为人机协作完成更复杂的作业。因此人机协作技术具有广阔的应用前景和重要的研究价值。在人机协作过程中,期望人与机器人能够安全舒适的进行作业。本研究旨在提高人机协作系统的稳定性和安全性,使人机协作更加柔顺、舒适。首先,对人机交互方式进行分析,建立了简化的人机协作模型。并且用D-H法和拉格朗日动力学方程分别构建了合作者上肢运动学与动力学模型,为控制器初始参数的选择奠定了基础。其次,利用人机协作模型进行实验确定了阻抗控制中的系数,为下面以阻抗控制为基础进行研究提供了数据支持,建立了二维模糊控制器,实现了接触式人机协作过程中交互力信息的调节。对人机协作运动过程中机器人的末端速度和交互力等实验数据进行分析,并与阻抗控制算法的结果进行对比,验证了模糊控制方法相对于阻抗控制方法的优越性。再次,为了进一步提高人机协作控制效果,通过对合作者的行为信息进行判断、分析,提出了一种基于机器学习识别合作者运动意图的方法。建立了BP神经网络模型,对机器人进行意图识别训练,使其具有一定的学习、预测的能力,以便在合作过程中能够根据合作者的作用力和机器人的运动特征实现在线估计人的意图。该方法的优势在于克服了传统方法中人体运动模型复杂多变、建立人机合作模型困难,人体阻抗参数难以估计等缺点。最后,建立了人机协作实验系统,进行实验研究,实现了识别人机协作过程中操作者的意图信息。通过实验对人机协作系统中机器人的末端速度和交互力等数据进行分析,并与模糊控制、阻抗控制方法的控制效果进行对比分析,结果表明,基于BP神经网络控制方法能够准确识别合作者的意图,该方法减小了人机之间的作用力,提升了人机协作运动的同步性,提高了人机协调运动的柔顺性。