人类的手部是感知环境并与其互动的强大工具。由于疾病或意外等原因造成的手部截肢严重影响了残疾人的自主性水平,给他们的日常生活和社会交往带来了巨大的困难。假肢手作为手部残疾人士康复的重要工具,可以在弥补残疾人手部美观性的同时,一定程度的恢复其在运动和感知方面缺失的功能。但传统假肢手多以装饰性为主,其功能性较差。随着机械设计和电子技术的进步,主动型仿生假肢手的出现提高了假肢手在运动和反馈上的性能。然而,仿生假肢手的高自由度和多通道传感信息,也对其运动控制和触觉反馈方法提出了更高的要求。因此,本文根据目前市售假肢手现状,针对仿生假肢手的抓握运动的具体要求,研究了面向抓握的仿生假肢手控制和反馈方法。本文主要研究内容总结如下:针对目前仿生假肢手抓握控制中由反馈通路缺失造成的稳定性降低和注意力消耗问题,设计了一种将使用者的运动意图与假肢手的传感信息相结合的共享控制方法。该方法使用深度确定性策略梯度网络为基础的强化学习算法替代传统的切换算法作为假肢手关节角度的顶层控制器。在自建抓握实验仿真环境下对神经网络进行训练,并对控制器的抓握成功率、稳定性和控制方法切换进行了对比验证。结果表明该算法可以在自由运动和抓握两种运动场景中实现快速自适应切换,实现稳定的力控和快速的响应。针对可穿戴式肌电仿生假肢手运动控制中的意图提取问题和多自由度连续控制问题,提出了一种基于非线性自回归外生模型的神经网络控制器。肌电信号作为外生变量输入具有递归结构的非线性自回归神经网络中提取用户意图。其后,网络输出的多自由度连续目标关节角度通过下层控制器完成动作执行。神经网络使用真实的肌电信号数据集作为训练样本,其测试样本在单指独立运动和日常抓握运动数据中均取得了良好的表现。实验结果证明了该算法可以满足日常使用中对于假肢手指运动的准确性和实时性的要求。此外,该算法还对假肢手训练数据集的获取给出了简化建议。针对目前假肢手电触觉反馈研究中电触觉反馈刺激方法与控制方法协同探索问题,设计并搭建了一套面向仿生假肢手抓握运动的人工电触觉反馈实验平台。该平台由双向人机接口、仿生假肢手、运动控制与触觉反馈系统三部分构成。平台在统一的控制与通信框架下,针对正常被试和截肢被试搭建了两套硬件系统。该平台实现了通过电触觉刺激对抓握过程的成功与否、物体软硬度等的反馈。此外,实验还验证了平台实现选择性电触觉刺激的能力,为仿生刺激提供了基础。最后,针对目前抓握实验中电触觉反馈中具身认知感缺乏的问题,提出一种仿生刺激模型,为电触觉反馈刺激中的波形生成提供了理论基础。该方法根据神经生物学的理论提出了一种基于Touch Mime仿生学模型的方法,优化了经皮电刺激参数的选择方法。方法应用于人工电触觉反馈平台并通过改进的积木盒实验对仿生刺激方法的效果进行了评估。结果表明仿生刺激方法有更好的具身认知感,能帮助截肢被试更快更准确地完成抓握动作,为探索电触觉反馈刺激提供了新的思路。