随着机器人技术的快速发展,自然人机交互方式已经成为人机交互领域中研究的重点内容。其中,人体运动意图识别显得尤为重要,对于实现“人机智能交互”、“人机共融”有着深远的意义。目前,传统的人体运动意图识别传感器大多有着其由于自身特点带来的难以解决的问题或缺点。近年来,王中林院士研究团队提出的摩擦纳米发电机因其具有信号幅值较高、信号特征明显并且无需外部能源对其供电的优点成为了研究热点。本文基于摩擦发电原理,设计制作了人体运动意图识别传感器,将传感器放置在人体前手臂处,解除了传统手势识别传感器对人体手部正常活动的限制,并对于其应用于人体手势识别进行了深入的研究。主要研究要点如下:（1）深入研究摩擦纳米发电机的特性以及人体手势动作与人体上肢肌肉的关系,探究将基于摩擦纳米发电机的人体运动意图识别传感器放置在人体手臂肌肉处来进行人体手势识别的可行性。完成此器件的结构设计与制作,对其进行性能表征来判定其传感性能,并通过此器件采集15种人体手势动作的八通道信号,分析信号特征并进行相关的预处理。（2）研究机器学习分类算法,并选取其中支持向量机、K最近邻算法和线性判别分析三种算法对采集的数据进行训练分类,比较其分类性能并分析原因,最优化参数的K最近邻算法的分类准确率达到99.43%,因此确定和选取K最近邻算法作为此器件的分类识别算法。（3）设计基于人体运动意图识别传感器的可穿戴手势识别系统,以验证手势识别算法的性能。通过对新手势数据的识别,将手势识别算法的预测结果转换为控制指令通过串口发送至机械手掌,使其完成相应的手势动作,实现人机交互。探究了此人体运动意图识别传感器的其他潜在应用。