机器人与人协同作业可以充分发挥各自的优势,提高工作效率和舒适度。目前,人机协作已经在人类的生产和生活中得到了越来越多的应用,人们对其协调性和安全等方面的要求也越来越高,因此研究机器人在人机协作中的运动生成和控制策略有着十分重要的意义。本论文通过设计合理的人机协作中的机器人的运动规划方法,使得机器人能够根据任务执行过程中人的动作来生成相应的机器人运动,以提高机器人的协调性以及人机协作中的安全性。并且设计了移动机械臂的自适应控制器,以控制机器人能够准确跟踪期望轨迹,完成人机协作任务。本论文的主要研究内容概括如下:(1)考虑人机协作中存在大量的不确定性,基于长短期记忆网络对人和机器人整体系统进行了建模。通过示教的方式采集人机运动轨迹对作为模型的训练集,使得模型能够学习人与机器人运动的相关性。在在线阶段,机器人利用训练后的模型,可以由观测到的人的运动直接推测出机器人的关节运动。与传统的预编程方法相比,该方法不面向具体任务编程,降低了机器人对预编程的依赖,且该模型充分考虑了机器人对人的动作的适应性以及交互动作的自然性,可以提高机器人的自主性和协调性。(2)设计了一种移动机械臂自适应控制方法,控制机器人以较高的精度对期望轨迹进行跟踪。该方法基于移动平台和机械臂整体系统的动力学模型,采用神经网络对模型中的未知参数进行逼近,并利用李雅普诺夫直接法分析了系统的稳定性。(3)针对人机协作中的安全问题,提出了一种基于轨迹重塑的运动规划方法。采用高斯混合模型对人的运动意图进行预测,结合机器人的初始轨迹,将人机间的距离转化成作用在机械臂末端的虚拟交互力,将避障问题转化为在交互力作用下机器人的轨迹变形问题。基于能量优化的方法,采用神经网络来求解最优的重塑轨迹,实现对可能发生人机碰撞阶段的机器人轨迹的重规划,从而降低人机碰撞风险。该方法可以实现最优轨迹的快速求解,且可以使机器人根据实际情况决定轨迹变形的程度,减少运动生成过程中的能量消耗。