当今社会人口的日益老龄化以及交通事故频发等因素致使下肢运动功能障碍患者数目越来越庞大。随着康复医疗和康复工程技术的发展,动力辅具在各类下肢运动功能障碍患者的康复训练和机能恢复中发挥了愈加重要的作用。但是,目前在动力辅具助行过程中缺乏可确定性表征和监测动作安全性的可靠方法,这种情况下患者极易在自行训练时发生危险导致二次致伤,造成身体和心理上的重大伤害。针对这一问题,本文设计了一套动力辅具监测系统,对患者康复训练过程实施安全性神经网络监测与分析,重点针对动力辅具系统中可表征稳定性的多项参数进行了筛选,以最优化参数作为安全性特征,讨论其在系统不同使用模式下的特征差异。研究中首先构建了动力辅具助行监测的软硬件系统,分别利用传统线性和蚁群算法对系统的多传感器信息进行了标定融合,有关误差检验结果显示,相对传统线性标定,蚁群算法标定可有效降低系统测量中的交叉干扰和非线性误差。研究中还设计并进行了基于安全性的力学倾翻测试,获取了相关实验数据,通过BP神经网络对倾翻阈值和倾翻模式进行了判别分析,选取多传感器原始电压、柄反作用矢量(HRV)、辅具倾翻指数(WTI)和人体虚拟重心(VCG)等作为网络的输入特征进行识别,最终优选VCG融合原始电压作为系统的安全性特征。最后对5名男性受试者进行了动力辅具结合支具助行的测试实验,分别采集受试者四种模式的实验数据,将安全性特征通过训练好的网络进行处理分析,考察功能性电刺激(FES)对辅具助行的影响。本文研究结果表明,动力助行辅具系统中的安全性神经网络监测方法能有效甄别辅具倾翻模式,降低失稳风险,未来可在下肢运动功能障碍患者的自主康复监护与评价方面推广应用,从而为更先进的动力辅具及人工运动神经假体系统设计提供帮助。