在协作式机械臂及康复式机械臂的人机协作控制研究领域,由于力反馈信号控制以及肌肉电信号控制方法分别存在各自的局限性,一直很难实现可以使丧失运动能力的使用者或病患通过操纵不同机械臂或位于不同肢体部位的外骨骼设备,依照所想切换机器人或外骨骼的运动状态并完成一系列的复杂运动。为了解决此类问题,本研究对脑电波信号辨识算法以及脑机接口(Brain-Computer Interface,BCI)在线控制方法问题进行了研究。本研究首先将使用者操控机器人或外骨骼完成复杂运动的问题转化为由不同肢体部位运动意图和动作不同阶段运动意图辨识所组成的二阶段式问题。通过分阶段地对使用者的脑电波信号进行辨识,可以使得使用者仅通过脑电波信号,顺利调用不同肢体部位的运动程序,且可以依照所想及时有效地切换运动程序的运动阶段,完成一系列复杂运动。在上述问题转化的基础上,本研究基于三维卷积神经网络算法,在脑电波信号辨识研究领域内的公开发表的权威数据集上,分别对不同肢体部位运动意图辨识算法以及动作不同阶段运动意图辨识算法进行了研究,建立了对应的脑电波信号辨识模型以及离线辨识策略。在此基础上,本研究利用离线辨识策略,对所提出的算法模型的性能及有效性进行了评估分析,实验结果表明,本研究所提出的算法模型在运动意图辨识问题上,在辨识准确率上达到了目前领先算法水平,并展现出了强大的跨个体鲁棒性(比领先算法的跨个体标准差约降低50%)。除此之外,在动作不同阶段辨识的问题上,本研究所提出的算法也达到了优秀的辨识性能,可以有效地以较好的实时性解决四种运动状态的辨识问题。在上述研究的基础上,本研究提出了脑电波信号辨识的在线抽样辨识策略以及协作式机器人在线BCI接口操控系统。系统通过对使用者脑电波信号进行辨识分析,可以以较低的时延值以及较高的准确率完成对不同肢体部位运动意图以及动作的不同阶段运动意图的辨识。在不同肢体部位运动意图的在线辨识中,系统达到了 75.593%的不同肢体部位的运动激发率以及0.011s的辨识时延值,在动作的不同阶段的运动意图的在线辨识中,系统达到了 83.25%的动作不同阶段平均辨识准确率和0.011s的平均辨识时延值。实验结果表明,该系统可以有效地解决帮助使用者使用脑电波信号来操纵不同机械臂或位于不同肢体部位的外骨骼设备,依照所想切换机器人或外骨骼的运动状态并完成一系列的复杂运动。