随着现代社会的科技发展,越来越多的智能化设备应用在了搬运领域,但人工物料搬运仍在各行各业中广泛存在。外骨骼作为可穿戴的人机一体化装备,通过机器的助力来增强人体机能,减少人体自身的能量消耗,在物流、医疗和抢险救援等领域都具有独特的应用前景。本文围绕助力搬运外骨骼展开研究,对人工搬运过程进行了人体生物学分析,重点对基于表面肌电信号（surface electromyographic,sEMG）的动作识别方法和外骨骼的系统设计进行了研究,并通过搬运实验对样机的综合性能进行了评价。论文对人工搬运过程进行了生物学分析。在对人体骨骼关节的运动特性及肌肉骨骼损伤类型分析的基础上,基于Opensim建立了人体肌肉骨骼模型,对搬运过程运动学和生物力学模型进行了研究,构建了腰椎张力与搬运负载及弯腰姿势间的力学关系。基于sEMG的产生机理和特点,设计了针对sEMG信号的采集及预处理方法,对sEMG特征提取及特征选择方法进行了分析,并对RBF神经网络和SVM算法的分类原理进行了探讨。以搬运动作识别实验采集的数据为样本,对比了两种算法的识别效果,结果表明基于RBF核函数的SVM算法分类精度最高,整体分类识别率达到了95.3%。根据助力搬运外骨骼的设计原则,对外骨骼系统进行了总体设计。确定了外骨骼结构的整体尺寸及自由度,对肩背部和下肢的机械结构进行了设计,并采用柔性绑缚结构实现外骨骼的穿戴与固定;控制系统以sEMG为输入信号,以Arduino为控制核心,采用电机搭配电磁推杆的方式实现驱动;并对外骨骼承载最大的背部支架进行了ANSYS有限元仿真,然后依据仿真结果对结构进行了设计优化。基于助力搬运外骨骼的设计方案,搭建外骨骼样机并进行了可靠性测试。设计了外骨骼性能评价实验方案,建立了生理指标测试与主观评价结合的综合评价体系。相较于未穿戴外骨骼时,穿戴者腰背部和手臂肌肉的sEMG幅值明显减小,心率及耗氧量指标降低,主观感知的疲劳程度也有所减弱。实验结果验证了外骨骼样机助力的有效性,穿戴外骨骼执行搬运任务能够明显降低自身的能量消耗和感知疲劳度。