近年来,智能机器人技术的研究越来越深入,演示编程成为研究的又一热议话题,演示是人与动物技能学习的一种方法,将演示学习机制赋予到机器人系统,使其具有类似人的动作技能是演示编程研究的重要内容之一。工业制造是一项复杂且必要的任务,利用工业机器人来完成这项任务并不容易。为了解决上述问题,本文进行了深入的研究,主要研究成果如下:首先,在肌电信号的获取与识别方面,分析了 sEMG的产生神经机理,研究了HR再线滤波,然后选取不同的时域方式对信号进行时域特征的提取,对三种特征提取的方式进行了比较,并综合比较了三种分类的识别效果和实际的验证性能,最后选择采用改进的SVM与HMM的二级模型分类算法用于对实验室youbot机器人的控制,识别率达到93.6%,在控制youbot全方位移动的过程中,满足实际要求。其次,在基于sEMG信号的人机协调控制方面,本文首先对实验室Yumi机器人进行了运动学模型的建立,以及对其进行了正逆运动学的分析,然后对双臂机器人的工作空间进行分析,采用五次多项式插值的方法在matlab下对Yumi七自由度机械臂进行运动规划分析,并进行了末端期望到达的点与实际到达点的误差分析,然后基于ROS环境对Yumi机器人进行模型的建立,进一步验证了算法的有效性。之后进行人机空间的映射,建立手臂的正运动学,七自由度机械臂通过逆运动学自动规划到人演示的位置点,实现人机协调控制。实验利用实验室的Yumi七自由度机器人进行开展,通过人佩戴手环,可以实时的控制Yumi机械臂运动。最后,本文采用演示编程（Programming by Demonstration,PBD）的概念,提出了演示再现问题的PBD框架,该框架主要分为运动模式识别与机器人控制模式再现两个部分,运动模式识别主要使用上述二级模型分类算法对演示人动作模式进行识别分类;机器人控制模式再现分为机械臂动作轨迹的解析规划与人机异构关节坐标映射,动作轨迹的解析规划主要是根据提出的高斯混合模型的轨迹识别算法（GMTI）得到将演示人映射到机械臂的运动轨迹进行优化,然后再根据机械臂轨迹规划算法实现机械臂对演示人演示轨迹的优化复现,根据这个框架,在实验室Yumi机器人上进行验证,通过演示不同的运动模式实现对多关节Yumi机器人的演示编程。