外骨骼机器人是一项融合传感、控制、信息、融合、移动计算,为其穿戴者提供一种可穿戴的机械机构的综合技术。目前,外骨骼机器人已经广泛应用于医疗康复、军事消防和工业负重等领域。下肢助力外骨骼机器人,由于具有可以帮助正常成年人增强力量和负载能力的功能而受到世界各国科学家的广泛关注。当前阶段,下肢助力外骨骼控制方法研究大多都局限于外骨骼支撑阶段的力矩控制和摆动阶段的随动控制,这种主被动混合控制方法目前已经基本成熟。但是在完全主动控制方面,目前还没有特别好的解决方案,所以本文提出一种新颖的外骨骼机器人步态建模与表达策略,该策略旨在整个步态周期实现外骨骼机器人的主动控制模式,通过人机交互传感信息感知穿戴者的运动趋势,通过步态模型输出适当的外骨骼步态曲线,实现良好的人机耦合性。本论文的主要工作归纳如下:1.本文提出了一种参数化步态预测模型。模型基于动态运动基元(Dynamic Movement Primitives,DMP),该方法是一种高效、稳定、实用的动态轨迹规划算法,它通过引入二阶动态系统和吸引子模型,先对参考轨迹利用径向基函数进行学习,然后利用吸引子模型对轨迹进行调制,输出带有参考轨迹特征的新期望轨迹。本文提出的参数化步态预测模型创新性的拓展了动态运动基元的模型,使它具有了可以学习多条轨迹特征的能力。同时,通过使用奇异值分解方法提取曲线集合的主成分序列,对原有的曲线集合进行降维,抽取最重要的特征进行学习,优化了算法效率,提高了系统的响应时间。最后,该模型采用机器学习中的回归算法建立了外骨骼穿戴者步行速度与参数化步态预测模型中主成分参数之间的映射关系,由此实现了完整的参数化步态预测模型。2.在上述参数化步态模型的基础上,建立了动态参数化步态优化模型。通过在动态运动基元系统中加入协同运动基元耦合项,对参数化步态预测模型的输出进行动态调制。同时引入迭代学习控制算法,对期望曲线与模型输出曲线之间的偏差进行迭代优化。由此建立起了理想的动态参数化步态优化模型。该模型的具有优化参数化步态预测模型输出曲线的能力,加强了外骨骼机器人和穿戴者之间的人机耦合性,同时也保证了外骨骼穿戴者的舒适性和安全性。