物理人机紧耦合系统在康复训练辅助器具领域具有广泛的应用前景。作为一种人-机-环紧密联系的复杂系统,物理人机紧耦合系统在研制过程中需要解决人与康复机器人在不同环境下物理和认知动态交互,机器人在线测量人机交互模型的状态参数以及实时、全面地预测和分类人机状态与行为和环境状态等关键性问题。这些问题的解决都需要以物理人机紧耦合系统的状态和行为数据作为基础。物理人机紧耦合系统的状态和行为的测量包括人体运动、人机交互力、人的状态以及人的绩效这四个方面的内容。其中人的状态主要通过人的生理信息进行测量。脑电信号(EEG)是测量人体生理信息最灵敏的指标之一。本文结合物理人机紧耦合系统采用脑电信号对人体脑力负荷测量和人体意图识别进行了研究。当前,结合物理人机紧耦合系统以脑电信号为研究手段的脑力负荷测量研究方面并不区分四个信息处理阶段的脑力负荷。针对大脑在不同信息处理阶段脑力负荷研究尚不明确的问题,本文采用了四种模拟信息处理四个阶段的心理实验,对四种心理实验中的脑电信号进行分类的结果表明四个不同的阶段的脑力负荷测量并没有显著的差别。传统脑力负荷测量方法由于对信号的采集的时间长度有客观地要求而无法满足物理人机紧耦合系统的研制对脑力负荷测量的实时性要求,本文采用的脑电信号分析方法针对事件发生后较短时间内的脑电信号的特征进行分类,并取得了良好的分类结果,证明了结合物理人机紧耦合系统脑电信号实时测量脑力负荷的可行性。基于脑电信号的人体意图识别方法研究中,基于传统的alpha节律的研究范式在处理脑电信号的过程中对信号的时间长度的需求无法满足实时识别的要求。本文采用的脑电信号的分析方法对较短时间内的脑电信号的特征进行了分析和分类,并取得了较好的分类结果。分类结果证明了结合物理人机紧耦合系统的脑电信号人体意图实时识别的可行性。目前基于运动想象范式的研究中常用的想象任务包括左右手想象运动、想象立方体旋转等,这些想象任务对物理紧耦合系统通过脑电信号执行动作造成了一定的困难,本文结合物理紧耦合系统的实际需求设计了四种更加自然的想象任务。根据对四种想象任务中脑电信号的分类结果可以证明这四种想象任务在物理紧耦合系统中具有一定的应用价值。