外骨骼机器人实现对穿戴者主动助力的前提是提前获知穿戴者的运动趋势,虽然通过检测人体生物信号(EEG、EMG、肌肉硬度等信号)可以较为直接地获得穿戴者的运动趋势,但是这类方法存在传感器安装不便、可靠性低的问题;而通过安装在外骨骼机器人上的位置类传感器检测穿戴者运动信号,容易获得稳定可靠的结果,若能利用当前运动信号并结合特定算法以实现外骨骼机器人对人体运动趋势的预测,则必能将外骨骼机器人的主动助力功能带入实际应用。针对该情况,本文研究了基于人体动力学模型的关节力矩解算方法,结合下肢运动步态周期性的特点设计一套用于预测穿戴者关节力矩变化趋势的算法,实现了对穿戴者运动趋势的感知。首先,为了获得穿戴者的实时关节力矩,利用下肢外骨骼机器人上的传感器获得运动信号,建立人体下肢简化模型,对外骨骼人机系统中人体运动学及动力学进行分析,实现基于外骨骼机器人上传感信息的穿戴者关节力矩实时解算,为关节力矩的预测算法奠定基础。研究结果表明,下肢关节力矩的变化能够及时的反应出下肢运动趋势的变化,证明其可用于人体运动趋势的感知。其次,为了准确预测穿戴者运动趋势,构建穿戴者在典型步态及近期步态下的关节力矩信息样本库;将当前步态下已出现的关节力矩曲线与样本库中对应时区的关节力矩曲线进行相似性度量,根据度量结果把当前运动分为平稳步态运动和变异步态运动;对于平稳运动,利用相似样本的关节力矩曲线获得当前步态的关节力矩的预测值;对于变异运动,定义变异度评价函数,变异度较小则对样本进行平移和拉伸变换使其与当前运动相似以用于预测;变异度较大则基于时间序列短期预测模型对穿戴者运动所需的关节力矩进行预测。最后,为了验证运动趋势感知算法的有效性,建立下肢外骨骼机器人的助力性能评价标准,并利用下肢外骨骼机器人实验平台进行验证实验。对平稳步态运动和变异步态运动时穿戴者下肢的关节力矩进行预测,并将预测结果经助力系数调整后直接控制外骨骼机器人运动,使外骨骼对穿戴者产生助力,根据设定的助力性能评价标准衡量外骨骼机器人对穿戴者的助力效果,实验结果验证了该运动趋势预测算法对下肢外骨骼机器人实现主动助力功能的有效性。