仿生机械肢体应用在了诸多领域,如军事、医学以及工业制造等。由于面向用户的不同,其结构和控制方法也存在很大差别。本文通过对灵长类动物的运动特征及对生物信号传递方式的分析,设计了一套易穿戴的仿生机械肢体,其面向对象主要为60岁到80岁的老年群体。本文首先对灵长类动物运动特征进行分析,同时从机械肢体的结构入手,设计了机械肢体的控制系统,其包括信号采集系统和多传感器人体行为识别系统。本文设计的信号采集系统体积小、质量轻、易穿戴,能够满足人体日常的肌电信号和倾角信号的采集任务。通过设计的信号采集系统采集了 4名60岁到80岁老年人的行走、下坐、起立3种行为下的表面肌电信号及人体日常行为中躯体倾角信号。通过采集的躯体倾角信息对平衡状态与失衡状态进行了阈值的划分,并通过制作的样机进行了平衡与失衡状态的分类验证;通过BP网络和支持向量机两种分类方式,对采集的表面肌电信号的特征向量进行平衡状态中的行走、下坐、起立3种行为的模式识别。其中在表面肌电信号数据采集区间为300ms时,BP网络分类平均分类准确率为93.3%,支持向量机平均分类准确率为98.9%。然后分别分析了表面肌电信号的4种数据采集区间对三种行为的分类准确率。结果表明,当采集区间为280ms和290ms时,平均分类准确率为98.9%,与采集区间为300ms时分类准确率相同,因此使用支持向量机分类法,且数据采集区间为280ms时,机械肢体的实时性与分类效果最优。