工业机器人已经被广泛应用于码垛、分拣、加工和焊接等自动化作业中。但其由于结构笨重、部署成本高等缺点,难以适应因产品定制化和多样化而导致的产线与作业工位频繁变换。采用人机协作的自动化解决方案,能有效降低生产线的部署成本,减轻工人劳动强度,满足日益增长的柔性制造需求。要确保人机共存（human-robot coexistence,HRC）环境下人的安全性与机器人的作业效率,对人的运动轨迹进行准确预测十分必要。在建立半自适应神经网络（neural networks,NN）轨迹预测模型的基础上,已有的“向前看”轨迹预测方法根据运动轨迹预测误差的估计值来更新模型的权重参数。但该方法未能充分地利用轨迹的历史信息,难以实现对轨迹预测误差的准确评估与模型参数的准确更新,影响了轨迹预测的准确性。本文提出了“向后看-向前看”的方法来预测HRC系统中人的运动轨迹。该方法根据人运动轨迹的实际误差值来估计过去个时刻的模型参数,再向前迭代个时刻来估计当前时刻的模型参数,进而实现对未来个时刻运动轨迹的准确预测与轨迹均方估计误差的准确评估。在形成单质点轨迹预测方法的基础上,本论文进一步基于椭球参数拟合,将该方法拓展至刚体的位姿轨迹预测。为了验证改进算法的有效性,本论文分别基于平面内假想的运动轨迹和CMU Graphics Lab的运动捕捉数据库内的人体运动数据,分别对单个质点和人的躯干运动轨迹预测做了仿真验证。最后,在中科院宁波材料所的运动捕捉实验室,对单个质点和手臂进行了运动数据采集实验与轨迹预测实验,并对预测误差进行了评估。这也为设定HRC环境下机器人作业的安全集,设计机器人控制算法提供了指导。