人口老龄化是我国社会面临的重要问题之一,同时导致众多老年人群行动不便,提供柔顺、安全服务的辅助机器人是解决老年人群行动不便问题的重要方法。虽然基于使用者意图的柔顺性行走辅助方法已经得到了广泛研究,但对于起床、站立等从一种状态移动至另一种状态的移乘行为还未得到足够的研究。由于多移乘行为会对使用者的足底、腰背与腿部产生较大的冲击力,为此本实验室自主研发了多款福祉机器人,其中包括智能轮椅、智能病床、辅助站立机器人等,以实现日常生活基本行为辅助和移乘行为辅助。对于行走能力不足的人在完成任务时需要较大的脑力负荷与体力负荷,因此,针对多移乘行为的脑力负荷研究具有重要意义。传统的人机交互过程中使用者疲劳度的评价方法往往采用肌电信号与脑电信号,无法精确衡量使用者的脑力负荷。由于脑血氧信号可以精确显示脑区的活动且不受电干扰,已用于飞行员脑力负荷分析当中,因此本文提出采用脑血氧信号评价辅助移乘过程中的脑力负荷。首先,采用近红外光谱技术对脑血氧信号进行无损检测,为采集类似移乘行为过程中的脑血氧信号,设计了便于携带的板载运动姿态监测系统,实现移乘过程中的姿态辨识和时间校准。同时,采用高斯滤波算法平滑波形实现去除噪声的目的。其次,通过对受试者脑血氧信号进行时域分析、频域分析以及近似熵分析,提出一种使用优化特征参数组合建立脑力负荷评估模型的方法。分别通过支持向量机与线性判别分析算法,达到83.3%和80.5%的脑力负荷特征识别率,得到以均值和方差作为特征值输入支持向量机算法具有最高识别正确率的结论。然后,提取了受试者进行3级n-back任务时背外侧脑前额血氧的均值和方差特征值,将其输入支持向量机算法中进行分类,输出为脑力负荷的三个级别,标记为1级、2级和3级。同时,脑血氧含量对应着相应脑区的激活程度,如果某些运动姿态造成脑负荷敏感区的血氧含量高于静息值,则说明该动作引起了脑力负荷的增大。将脑力负荷级别与脑力负荷敏感区反应相结合,可以更准确地分辨不同状态下的脑力负荷大小。最后,设计实验研究移乘过程中影响脑力负荷的运动姿态,发现受试者使用病床辅助移乘时,其运动幅度变小、维度减少的同时脑力负荷敏感区激活程度变低,得出肢体的高维大幅度运动将大概率增加脑力负荷的结论。