神经医学已经证明对偏瘫患者的康复训练能够激活偏瘫肢体的神经通路重塑和运动恢复。设计研究康复训练机器人实现运动可控且往复不间断的辅助训练替代传统康复医师的繁重工作,能够大幅提高康复效率。康复机器人的系统设计首先要做的就是对人体上肢运动模式的参数化表征和解析,只有将人体上肢的生理结构和运动功能解析透彻,才能设计出更加合理、高效的辅助康复训练机器人。本论文从人体上肢运动学肢体动作解析出发,探究肢体运动的表象信息,通过肌骨仿真软件模拟肢体运动,研究肢体深层肌肉机理变化信息,最后对上肢表面肌电信号进行解码分析,探索将其用于主动控制的输入信号,实现肢体表面肌电信号、人体动作捕捉数据与康复机器人的人机交互,最终实现运动障碍患者的康复训练和运动能力恢复。本文的研究内容与成果如下:(1)针对上肢运动学解析需要,开展了基于光学动作捕捉技术的人体上肢肢体运动采集实验,设计采集四种康复阶段的7组康复训练动作。对上肢肢体点位数据,使用空间矢量和余弦定理结合计算出上肢各关节角度的变化值;使用逆向动力学算法解析出上肢各关节力矩值;运用传统力学简化上肢运动受力分析,使用优化函数计算出肌力的变化量,最后计算肌肉的实时负荷率,构建了上肢运动舒适指数模型。实验结果研究的上肢运动学参数化可作为上肢运动能力和康复训练的评价指标。(2)针对上肢运动肌肉深层机理研究的需要,使用Open Sim进行上肢生物力学仿真分析,采用Arm.26上肢肌骨模型,选择上肢肘关节屈曲的运动数据进行仿真模拟,不仅计算出关节角度、关节力矩和肌肉力的变化数据,还可以进行上肢肌肉深层的机理分析,包括上肢运动肌肉的激活状态、能量变化、收缩速度和肌纤维长度变化值等。实验结果研究可以为上肢运动舒适性评价、上肢运动能力评定和上肢康复训练恢复水平评定提供更多的参照指标。(3)针对上肢表面肌电信号的解码分析研究,对7组上肢离散动作进行信号获取实验,使用小波阈值降噪算法对信号进行预处理并对比了两种不同降噪方式,将时频域的小波系数作为信号特征进行特征提取,最后采用支持向量机(SVM)和BP神经网络算法均实现模式分类。测试表明c-SVC模型配合线性核函数可以实现最优的识别效果,并且对比BP神经网络模型,SVM更适用于如人体动作模式分类这种小样本多类别的分类问题,并且相比BP神经网络运算速度平均快92.6%,识别率平均高152.9%。实验研究为康复机器人的主动控制设计提供技术研究路线。