随着“中国制造2025”与工业4.0的全面对接,搬运系统的搬运模式不断更新、发展,一种由外骨骼等设备辅助工人完成搬运工作的新型搬运模式逐渐得到应用。在该模式下,随着传送带上的工件随机到达搬运站点,搬运工人在智能设备的动力辅助与移动辅助下将其搬起并重复进行搬运作业。论文对该模式下的搬运系统进行建模分析,考虑作业疲劳与运行能耗等因素对系统运行的影响,将搬运工人的疲劳作为强化“人机”协同控制的切入点与搬运系统安全性的评价依据,以外骨骼设备的助力大小与移动底盘的速度控制为重点,对搬运系统最优控制问题进行研究,具有重要的现实意义。首先依据实际搬运系统,建立了新型搬运模式下的搬运系统物理模型,基于该物理模型将一个完整搬运周期分为搬起、平移、放下、返回、等待五个阶段,并描述了搬运系统运行机制与控制问题。然后针对搬运工人个体疲劳的特异性,引入了主客观综合疲劳评价方法对搬运工人的疲劳状态进行分析,分情况进行模拟搬运实验获取疲劳数据。为快速获得搬运工人实时疲劳信息,提出了一种基于s EMG信号的改进模型极限学习机（IM-ELM）疲劳分类方法,基于实验数据使用IM-ELM算法与SVM、KNN、RF等算法进行对比实验,对比结果证实算法的分类精度更高。基于仿真实验的疲劳模型需求,依据s EMG数据分搬运阶段建立了搬运工人在不同负重下的搬运疲劳模型。最后建立了速度可控下外骨骼助力搬运系统的强化学习模型,将搬运工件负载类型、搬运阶段、搬运工人疲劳状态与疲劳越界情况、电池剩余电量作为系统状态,将外骨骼助力大小与底盘移动速度作为系统动作,利用建立的疲劳模型模拟搬运系统中搬运工人的疲劳变化,采用引入优先级机制的Double DQN（PER DDQN）算法对搬运系统最优策略进行求解,探索单品种与多品种两种搬运场景下所得优化控制策略的性能以及到达率变化对系统性能的影响。实验结果表明,所得优化策略能有效解决系统控制问题,在考虑搬运疲劳与运行能耗的同时,实现减小运行能耗与提升系统效率的性能均衡。