随着社会不断发展进步,需要更多先进的设备来改善人类的生活。外骨骼机器人作为一款助力装置,在日常生活和工作中都能起到极大的帮助作用。为设计出一款能真正实用的下肢外骨骼助力机器人,本文对下肢外骨骼机器人的步态检测系统进行了大量的研究,因为它在控制外骨骼机器人动作的时候起到关键作用,直接决定着外骨骼能否达到理想的助力效果。就目前的外骨骼机器人系统来说,步态检测的准确性不够高,难以满足外骨骼控制系统的精准控制需求,主要原因包括获取的步态信息单一化、步态识别方法不适用等因素,本文就这些问题进行了大量的研究,研究内容主要包括以下三个部分。1.步态信息采集系统设计与搭建根据对国内外步态检测系统的调研结果,设计步态信息采集系统方案,具体分为硬件设计和软件设计两个部分。硬件设计包括选择AT90CAN128作为微控制器,传感器选用ADXL345和FSR402,采用CAN总线进行上下位机信息传输,整体硬件电路搭建：软件设计包括微控制器对传感器的信息采集,上下位机的数据传输和上位机数据采集显示界面编写等。2.步态信息采集及预处理完成步态采集系统搭建之后,对十个志愿者进行步态信息采集。获取到正确的步态信息之后,对数据进行波形绘制并分析观察不同步态信息的规律。针对数据的特性,采用合适的方法对数据进行预处理,包括数据滤波,归一化和主成分分析等。3.步态分类识别搭建步态分类器模型对预处理后的数据进行识别分析。使用支持向量机和神经网络两种方法搭建步态分类器,构建支持向量机模型时使用网格搜索和遗传算法对参数进行优化,最后对比基于交叉验证的支持向量机(CV-SVM),基于遗传算法的支持向量机(GA-SVM),BP神经网络(BP NN)和RBF神经网络(RBF NN)四种方法在不同步态下的分类效果,GA-SVM建立的模型识别率在识别四种步态的情况下都达到90%左右,因此选择GA-SVM作为本步态检测系统中的最优方法。