机械臂是一类拟人手臂的机器人系统,具有优异的操控性能,在工业生产、医疗卫生、安全防爆、生活服务等领域中得到了广泛的应用。随着航天技术的飞速发展,空间机械臂作为在轨服务的关键性技术,已经受到越来越多研究人员的关注。当前,空间机械臂一般采用预编程自动控制和遥操作控制两种方式,比较依赖人的介入。然而,随着轨道高度的提升,通信延迟也在变大,这无疑增加了机械臂执行操作任务的风险。因此,提高机械臂控制系统的智能化水平,增强机械臂自主执行任务的能力,已成为当前学术界研究的热点。人体控制系统是一个十分复杂和高度完善的自学习、自组织、自适应系统,人类对手臂的灵活控制是目前所有机械臂控制系统无法超越的。科学家经过长期研究发现,人类运动存在着模块化特征,这些运动可以被细分为各个模块,称为运动基元。运动基元本质上就是一个习惯性运动指令的快速生成器,它使得人类可以针对任务做出相应的运动来快速响应。研究人员一直希望借鉴人类手臂的灵活控制机理,来提高机械臂的智能化控制水平。运动基元理论体现了人类手臂快速运动的灵活性,将运动基元理论应用于机械臂控制中,可以提高机械臂灵活、自主运动能力。本文基于运动基元的原理,从人类手臂运动的几何特征获得启发,提出了运动基元建模方法,针对直拳、摆拳和勾拳等三种基本拳击动作,构建了相应的拳击运动基元,并在仿人机械臂上进行了仿真和真实实验,实现了机械臂的拳击动作,验证了本文构建的运动基元模型生成动作的有效性。本文主要的研究工作和贡献包括以下三个部分:（1）提出了基于几何特征的拳击运动基元建模方法。本文通过分析人类手臂过程中的空间几何特征,建立了手臂三角形模型,提出了基于手臂三角形的运动表示方法。该运动表示方法以目标位置为输入,描述手臂三角形变化的四个量(lSW,θ1,θ2,θ3)为输出,进而输出肘部和腕部坐标的变化。本文提出了一种肘腕坐标的仿人机械臂运动学求解方法,可以快速、高效的求解仿人机械臂的关节角变化。本文在以上提出方法的基础上,针对拳击运动,构建出了拳击运动基元,并搭建了仿人机械臂模型,在仿真中实现了机械臂的拳击动作。（2）提出了基于深度神经网络的拳击运动基元建模方法。本文在基于几何特征运动基元建模方法的基础上,提出了两种运动基元的神经网络模型:分层模型和整体模型。分层模型将运动基元模型分为两层:第一层,目标位置为输入,手臂三角形的四个变量(lSW,θ1,θ2,θ3)为输出的模型;第二层,(lSW,θ1,θ2,θ3)为输入,仿人机械臂关节角为输出。整体模型直接以目标位置为输入,仿人机械臂关节角为输出。进一步,本文针对直拳、摆拳和勾拳等拳击运动,构建了相应的运动基元,搭建了Panda机器人仿真系统,实现了机械臂的拳击动作运动控制。另外,本文对比了基于几何构型的运动基元和基于深度神经网络的运动基元,两者生成的拳击动作几乎重合,进一步验证了基于深度神经网络的运动基元的有效性。（3）在真实的Panda机器人上实现了拳击动作。Panda机械臂具有7个自由度拟人手臂协作机器人系统,具有极高的灵活度、精确度、安全性。本文利用提出的运动基元建模方法构建了相应的拳击运动基元,生成了机械臂直拳、摆拳和勾拳等拳击动作,并在Panda机械臂上开展了实验验证,在真实环境中实现了拳击动作。综上,本文提出的运动基元建模方法从人类手臂运动的几何特征中得到灵感,相较于基于数据驱动获得的运动基元,具有形象具体和可解释性强的特征,本文针对拳击运动开展研究,使得机械臂能直接生成拳击动作,提高了机械臂的灵活性和自主运动能力,有助于未来具备高度智能的机器人的开发。