随着机器人越来越接近人类，对机器人提出了更高的要求。仿人运动是其中重要的一项，既可以给人类使用者营造安全舒适的合作环境，也可以进一步提高人机合作的效率。本文围绕拟人机械臂仿人运动展开理论实验与应用研究。　　拟人机械臂仿人运动的研究主要包括两个方面:一是人臂运动的研究;二是仿人运动规划算法的研究。前者是后者研究的基础与依据，而后者又是前者的具体实现。本文对这两方面展开研究，将两者互相结合，建立满足不同任务、不同约束条件的拟人机械臂仿人运动规划策略，并将其应用到人机交互的实例当中。本文的主要工作如下所示:　　(1)对人臂运动规律展开研究。拟人臂仿人运动主要包含两个要求:静态条件下的臂姿仿人以及动态运动过程中的运动仿人。本文分别对静态条件下的臂姿预测及动态条件下的运动过程展开研究。臂姿预测研究中，主要涉及到人臂结构的解耦。利用动作基元建立人臂模型，确定各基元的生成法则及连接方式，建立基于动作基元的人臂运动表达方法。运动过程的研究中，主要涉及到运动过程的解耦。提出基于末端约束的分级规划策略，通过触发条件将连续运动过程离散为不同的运动阶段，每一阶段对应其各自的规划层。将两者研究结合，实现人臂运动的解耦，为拟人臂仿人运动的研究奠定基础。　　(2)构建适用于仿人运动规划的拟人臂智能运动决策算法。在完成人臂运动解耦后，面对不同的任务，如何选择合适的运动模型至关重要。本文提取了影响人臂运动的运动变量，建立基于运动变量的贝叶斯网络，确定各个变量之间的依赖关系。不同动作变量的组合构建了不同的运动基元，即拟人臂运动模型。通过建立决策指标来计算不同基元发生的概率情况，从而将决策问题转变为择优问题，使拟人机械臂能够根据不同的任务需求自主地选择合适的仿人运动方式来完成相应的任务。　　(3)总结和构建拟人机械臂仿人运动规划算法。针对拟人臂运动多模型所引起的逆解困难，提出一种高度集成化的耦合神经网络。确定网络结构，通过隐层神经元的改变来实现网络结构的动态变化，使其能够满足拟人机械臂多模型的映射要求，从而避免传统反解算法及单一神经网络无法实现多模型映射的缺陷。提出耦合神经元的概念，选取合适的耦合神经元来实现网络结构的简化。此外，提出一种自适应学习率算法，使其能够同时满足普通神经元和祸合神经元的学习要求，并加快网络的收敛速度及保持网络的稳定。　　(4)将拟人机械臂仿人运动规划策略应用到人机交互中机器人的情感表达领域中。提出了一种新颖的维度情感模型，该情感模型不仅可以使机器人表达情感，同时可以直接应用到机器人的运动规划中。将情感模型与拟人机械臂仿人运动结合起来，提出了一种机器人表达情感的方法-基于动作行为的情感表达。此外，设计了一种将运动捕捉系统与机械臂系统数据间无缝连接、传输的方法，为机械臂遥操作的实现奠定了基础。　　通过以上研究，形成了一套拟人机械臂运动建模、智能决策、运动规划、仿真及实验的理论和方法，为拟人机械臂仿人运动的研究提供了理论依据和方法支持。