下肢外骨骼机器人具有将人的智能与机械的速度、耐力结合的优点。其巨大的应用潜力成为各国争相研究的热点,而对于外骨骼准确获取人体运动意图并实现人机协调运动一直是一大难点。本文就此问题从人机交互信息检测、运动意图估计算法以及协调运动控制方法等方面展开了详细研究。针对助力负重外骨骼机器人,要求实用性强,能适应不同的使用环境。本文首先确定了采用物理式人机交互方式进行交互信息获取的方案,并依据方案设计了弹性体与编码器组合使用的交互力检测装置。考虑交互信息检测的灵敏度、稳定性以及穿戴舒适性的要求,弹性体的设计至关重要,围绕弹性体设计进行目标制定,材料选择,然后采用有限元法(FEM)进行弹性体参数化设计。由于仿真分析及加工制造等存在误差,设计弹性体刚度特性标定试验台进行实验标定。最终通过该检测装置能准确获取人机交互信息。根据获取的人机交互信息,研究了运动意图的估计算法,由于物理式人机交互对于交互信息的获取存在滞后以及所得信号单一,本文采用Kalman滤波器进行信号滤波处理后提出了对信号进行序列化处理后,很好的改善了信息对于人体运动意图的滞后问题并尽可能多的保留了信号内在的意图信息。考虑交互信息与运动意图信息映射模型难以用数学方法分析得到,本文采用机器学习中的高斯过程回归(Gaussian Process Regressive,GPR)算法,进行意图估计模型的获取,通过构造GPR算法,在MATLAB中,进行离线估计分析,结果表明检验了GPR很好的准确性及泛化能力。本文基于GPR意图估计的协调运动方法,建立外骨骼机器人的动力学模型,提出了自适应PID结合CMAC补偿的复合控制策略,基于滑模变结构的思想使用梯度下降法建立了PID参数的自适应律,CAMC补偿器更好的保证了外骨骼跟踪人体运动意图的精度。采用CGA(Clinical Gait Analysis)数据库,进行了轨迹跟踪控制仿真,检验了提出的控制算法具有很好的跟踪性能。最后,搭建了下肢外骨骼试验系统,基于所估计的人体运动意图与控制方法,进行了轨迹跟踪实验。实验结果验证了人机交互检测装置的可行性、意图估计算法的有效性以及控制方法的实用性。