随着工业制造由大规模、批量化生产向定制化、智能化生产的转型,人与机器人共同协作完成任务的生产模式是未来工业生产的潮流和方向。为了保证人机协作过程中的安全性和高效性,协作机器人需要拥有对工作空间中人体行为信息感知和理解的能力。本文从人体上肢运动意图识别和轨迹预测两个方面开展在人机协作中的人体行为理解工作,对人体行为的意图识别可以保证机器人积极主动地向人类提供协作,提高工作效率;对人体行为的轨迹预测可以确保机器人在协作过程中与人体保持安全距离,避免安全事故的发生。本文的主要研究内容如下:（1）针对人机协作实验的协作场景、协作方式灵活多变等问题,本文以具有装配性质的生产作业作为研究应用背景,构建装配型人机协作实验平台。在协作过程中共设计5种人体上肢运动意图,利用Vicon运动捕捉设备对相应意图的人体上肢动作运动数据进行采集,构成三维空间下人体上肢运动数据集,为后续对人体行为理解的研究提供原始数据支撑。（2）针对人机协作过程中人体上肢运动意图识别问题,提出一种投影-重构的映射方法,将三维空间下人体上肢运动时序坐标信息转化为隐含运动信息时空连续性的二维平面特征图像信息,构建人体上肢运动特征图像数据集,将对人体上肢运动意图的识别转换为对运动特征图像的识别。利用迁移学习后的AlexNet网络训练得到人体上肢运动意图识别模型,通过对运动特征图像的识别,达到在人体上肢运动早期对运动意图准确识别的目的。实验结果表明,本文方法在动作完成度20%和30%的情况下意图识别正确率分别可达74%和100%。（3）针对人机协作过程中人体上肢运动轨迹预测问题,将深度学习理论与回声状态网络学习机制相结合,用一个包含数个受限玻尔兹曼机的深度信念网络和一个回声状态网络回归层构建深度置信回声状态网络,得到比传统回声状态网络更优良的存储容量和更好的非线性逼近能力。依靠降采样后的人体上肢运动轨迹数据集建立预测模型,以循环多步预测的方式实现对未来一段时间内的人体上肢运动轨迹的预测,并从预测误差、计算时间等方面对模型进行对比分析。实验结果表明,本文方法对人体上肢运动轨迹预测误差控制在2-4cm,平均计算时间仅40.5ms,满足人机协作系统对预测准确性、实时性的要求。