基于生物力学的人体运动研究在医疗康复、机器人运动控制和计算机动画生成等领域有着广泛的应用。论文围绕生物力学虚拟人运动控制建模、控制系统、参数优化方法、虚拟人逼真运动仿真开展研究工作,该研究具有重要的理论意义和应用价值。论文主要研究内容如下:1.构建了基于生理解剖学知识的虚拟人骨骼肌肉模型,包含躯干和两个下肢共7段肢体和6个关节,内部有8个自由度,每个下肢附着9块肌肉单元。基于Hill肌肉力模型构建了驱动虚拟人运动的动力学模型,通过设置肌肉腱单元相应的内部参数来模拟不同部位肌肉的力学特性。阐明了生物力学驱动的虚拟人模型中在给定骨骼肌肉附着关系下关节力矩与肌肉力的关系以及肌肉长度的非线性变化特性。给出了虚拟人与地面间的接触动力学模型。为虚拟人在典型物理环境下的运动控制提供了理论模型。2.模拟人体运动机制设计一种包含策略控制层、脊椎反射层和肌肉驱动层的多层生物力学虚拟人运动控制框架。策略控制层给出步速、步长等目标参数并依据躯干倾倒状态给出摆动腿目标角来调节躯体平衡。脊椎反射层接收来自躯干感知器、关节感知器、肌肉感知器和地面感知器的感知信号并将所有输入映射为肌肉腱单元的激励信号。肌肉驱动层中肌肉腱单元接收激励信息并依据自身状态产生相应肌肉力来驱动关节运动。针对给出的控制系统在Simulink环境下构建了生物力学虚拟人运动控制仿真平台,实现了生物力学驱动的虚拟人运动仿真。3.提出了以肌肉能耗和步态相似度为优化目标的阶段粒子群算法,通过优化实现了生物力学虚拟人平面内自主稳定运动。针对步态相似度评价给出了一种运动数据关键点的抽取方法来增强了生成运动的逼真性。共设计了4个实验用于在仿真平台中验证给出的优化方法,前3个仿真实验的结果对比显示给出的优化方法具有更好的运动逼真性,第4个仿真实验验证了优化方法提高控制系统抵抗外力干扰的能力。4.将深度强化学习策略应用于生物力学虚拟人运动控制,构建面向环境交互的运动控制系统。针对生物力学驱动虚拟人连续运动控制设计了深度强化学习策略算法结构,设计了虚拟人运动特征和地形特征表达以及相应的深度网络结构,设计了三种典型障碍地形:台阶地形、斜坡地形和不平地形。通过深度强化学习策略,提高了生物力学虚拟人与复杂地形环境交互的能力。