近年来,假手在外形、结构、灵活度等方面实现了对人手的高度模仿,出现了众多外形逼真、重量接近人手、具有多关节多自由度的新型仿生假手。然而,在假手与人体间的双向信息交互方面的研究相对滞后,仍不具备从人体准确识别多种手部动作模式和向人体反馈可靠、细致的手部感觉的能力。本文针对多自由度假手的交互控制问题,以建立假手与人体间的双向信息交互控制系统为目标,并基于该系统研究多种手部动作模式的识别方法。主要研究内容包括:高性能、集成化假手控制系统的研制,基于压力分布和电刺激的人机交互接口研制,基于压力分布的手部多动作模式特征获取方法和识别方法的研究,以及相关的实验研究等方面。　　本文首先对国内外新型的仿生型多自由度假手、典型假手交互控制系统和方法进行了细致的综述。随后建立了假手交互控制系统总体结构,将其划分为假手控制系统和人机交互接口两部分。具体地,假手控制系统由传感器系统和运动控制系统组成,其中传感器系统由关节力矩传感器、关节位置传感器和电机编码器组成,用于向运动控制系统和人机交互接口提供所需的传感信息。运动控制系统基于高性能DSP和集成电路芯片设计,用于实现对假手各手指的运动控制、传感器信息采集以及实时通讯等功能。通过集成化设计,最终实现了将假手控制系统完全集成在仅有人手体积90％的假手内部。　　以实现假手与人体间的双向信息交互为目标,设计了基于压力分布与电刺激的人机交互接口。该接口采用压力传感器阵列采集前臂表面压力分布信号作为人体对假手动作的控制信号。通过压力传感器的选择、传感器阵列的配置以及信号采集单元的设计获得了信号稳定、幅值高、可识别性好的压力分布信号。另外,基于经皮电刺激原理,经过电刺激波形及参数选择、电刺激器硬件设计、刺激电极的选择等设计步骤,实现了向人体安全、清晰、舒适的反馈握力感觉。通过脱离视觉抓取和易碎物抓取实验表明,所研制的交互接口显著增强了假手的操作性和可靠性。　　为了实现基于压力分布信号对多种手部动作模式进行识别,本文提取了包括各手指单独弯曲/伸展和多指抓取/伸展在内的17种手部动作模式的压力分布信号组成识别特征,实现了良好的可分辨性。针对原始压力分布特征维度高的问题,提出了基于主成份分析(PCA)、离散量子粒子群(DQPSO)以及DQPSO结合PCA的特征获取方法,用于从原始压力分布信号中获取维度低、可分性高的压力分布特征。比较实验和可分性分析表明, PCA法和DQPSO法在获得了明显的降维效果的同时,保证了良好的可分性。　　进一步的,为了实现对所获得的多种手部动作模式特征准确可靠的识别,本文提出基于KNN算法、SVM算法和BPNN算法设计特征分类器,用于识别手部动作的压力分布特征。经交叉验证实验比较表明,三种分类器中,KNN分类器具有最好的识别成功率和稳定性。假手的在线识别控制实验显示,使用KNN分类器可以实现对人手17种动作准确快速的识别。