人与机器人的协同作业是新一代机器人系统研究和发展的方向之一,其目的是减轻人类协作者的负担和提高人机协同作业的效率。人与机器人如何认知彼此的状态是实现人机协同作业的关键。人与机器人在协同作业过程中,人体手臂的肌肉疲劳会影响人机协同作业的质量和效率,而且会增加人类协作者患骨骼肌疾病的风险。因此,对人机协作中的人体肌肉疲劳进行预测具有重要的理论意义和应用价值。表面肌电信号(Surface Electromyogram,SEMG)是在肌肉表面通过电极引导而记录下来的神经肌肉系统活动时的生物电信号,其被认为是目前用来研究肌肉疲劳最有效的工具之一。但人体肌肉疲劳与表面肌电信号之间的内在关系尚有待进一步研究,为此,本文对人机协作中的表面肌电信号处理、抓握力预测、肌肉疲劳预测以及人机协同作业中的部分关键问题进行了研究,主要研究进展如下:(1)针对动态肌肉收缩下的表面肌电信号易受干扰的问题,提出了一种基于小波变换的信号频带选择方法。首先,通过在不同小波尺度下的均方根特征对肌肉收缩的敏感度进行分析,并基于蒙特卡洛模拟获得不同小波尺度对肌肉收缩的灵敏度分布。在此基础上,基于定序组合分析方法对小波尺度组合进行选择,从而确定有效的表面肌电信号频带。最后,通过基于表面肌电信号的握力预测实验验证了基于小波变换的信号频带选择方法的有效性。(2)针对静态与动态肌肉收缩下的握力预测问题,提出了一种基于交叉模型选择的握力预测方法。首先,通过基于小波变换的信号频带选择方法获取动态与静态肌肉收缩下的表面肌电信号;其次,通过交叉验证方法建立表征表面肌电信号和握力关系的九阶多项式;再次,基于系数项选择算法对九阶多项式进行降维研究,分别建立手臂伸肌和屈肌与表面肌电信号的关系模型。最后,通过手臂握力预测实验验证了所提方法的有效性和准确性。(3)针对肌肉疲劳预测问题,建立了基于肌肉力损失的肌肉疲劳预测模型。首先,通过基于小波变换的信号频带选择方法获取疲劳肌肉收缩下的表面肌电信号,并提取表面肌电信号的均方根、平均频率和中值频率;然后,通过蒙特卡洛模拟和皮尔逊相关系数研究了表面肌电信号均方根、平均频率和中值频率在不同频带下对肌肉力损失的敏感度;最后,通过定序组合分析方法和皮尔逊相关系数建立基于肌肉力损失的肌肉疲劳预测模型。(4)针对动态运动中的肌肉疲劳预测进行了实验研究。首先,通过手臂动态运动实验,验证了所提出的肌肉疲劳预测模型在多肌肉协同运动下的有效性;然后,结合肌肉力和肌肉疲劳预测模型,提出了一种机器人末端输出力调节方法,并搭建了相应的人机协作实验系统,通过实验研究人体肌肉疲劳程度与人机交互力的变化,验证了本文所提方法的有效性。