随着工业信息物理系统和无线通信技术的发展,使得移动工业人机交互（Human-Machine Interaction,HMI）在近年来逐渐得以应用。在移动工业人机交互过程中,工程师必须手动的从一个包含大量机器设备ID信息的列表中选择出目标机器设备,进而建立数据连接。然而,随着越来越多的机器设备通过无线技术连接到网络,会导致机器列表越来越长,这无疑会加重工程师阅读列表选出目标设备的工作负担,降低工作效率且容易导致连接错误,浪费时间。为了简化工业人机交互中手动选择的复杂度,现有的工作采用了临近感知算法来对距离工程师最近的机器设备进行估计。然而,由于现有算法在对最近设备进行估计时只利用了单个机器设备的无线接收信号强度（Received Signal Strength Indication,RSSI）,并没有充分利用多个机器设备的RSSI信号强度数据,导致现有算法在机器设备密集部署的工业环境中的估计精度有限。在工业现场,机器设备通常有规律的被部署在现场内且位置固定。因此,这一特性使得机器设备间的邻居关系可以被用来进一步提高工业HMI中临近感知的估计精度。在本文中,我们根据机器设备之间固定的位置分布建立了邻居关系模型,并基于此模型来充分利用多个机器设备的RSSI信号强度,设计了名为Face MEN的面向工业人机交互的临近感知算法。具体的研究内容如下:1)本文基于工业人机交互实验平台中的机器节点的分布特征,建立了最近机器节点和具有RSSI最大值的机器节点之间的邻居关系模型,该邻居关系将会作为算法设计的基础;同时通过对人机交互中无线信号特征的分析,本文选取了最近节点的RSSI信号下界和其余机器节点的RSSI信号上界这两个信号特征值作为算法的判断条件。2)本文设计了基于机器节点间的邻居关系和RSSI信号的上下界的临近感知算法（Face MEN）,用以估计距离工程师最近的目标机器节点。其中邻居关系和RSSI信号上下界将会在离线阶段进行测量,并在算法的在线阶段用以进一步提高最终估计精度且降低手动选择的复杂度3)最后在工业人机交互实验平台上对Face MEN算法进行了实现,并和现有算法的性能进行了比较。实验结果表明Face MEN算法相比较于其他算法具有更高的估计精度和更少的时间复杂度,可以有效地简化手动选择的复杂度从而提升工业人机交互的效率。