随着老龄人口的不断增加，慢性疾病患者急剧增多。有限的医疗资源与对优质医疗服务的旺盛需求形成鲜明的矛盾。另一方面，调查表明，对于中风等疾病导致的神经损伤，不及时或不恰当的治疗会引起偏瘫甚至瘫痪。主动康复训练是最有效的康复手段之一，而通过传统医疗设备却难以实现。本学位论文以外骨骼机器人为研究对象，以有效的临床康复为目标，对患者的运动意图识别、人体-外骨骼机器人系统的闭环控制、系统构建及临床实验开展了深入的研究，旨在实现人体-外骨骼系统的协调控制，为下肢外骨骼机器人的临床应用奠定一定的基础，最终希望能为下肢运动功能损伤患者的恢复提供有效的康复治疗手段。本学位论文的主要工作及成果归纳如下：为使下肢外骨骼康复系统能在临床康复中得到应用，根据中枢神经损伤患者的Brunnstrom分期对不同阶段的患者在康复过程中的需求进行分析，制定了主、被动式下肢康复策略，以及基于实时检测与评估的递进式康复策略。然而，要实现有效的康复治疗依然面临着几个关键性问题和难点有待解决：人体运动意图的实时准确识别、人体-外骨骼系统的协调控制、外骨骼机器人系统的建立及其临床康复实验。针对人体运动意图的实时准确识别问题，缓解人机一体化系统中，由于机械及控制系统延迟而造成的机构运动延迟，提出微分式sEMG实时特征提取算法。通过人工合成信号及sEMG信号特征提取实验，证明基于AR模型的微分式特征频率算法相比传统算法能够提前约50ms同时准确性提高约10%。利用模糊神经网络与生物力学模型，提出基于sEMG、人体关节转角和人机交互力等多源信号的运动识别算法。通过健全人的外骨骼机器人关节运动助力实验，比较了具有不同拓扑结构的模糊神经网络在运动意图识别过程中的不同性能，根据实验结果选取其中最优的网络结构，与传统算法相比，利用现有算法的实验误差能够减小约6.4%。针对人体-外骨骼系统的协调控制问题，建立人-机双向交互接口——基于sEMG的运动控制接口和基于力交互EPP的信息反馈接口。运动控制接口通过实时采集sEMG信号、人机交互力和关节转角信息，利用模糊神经网络进行多源信息融合和人体运动意图预测，并基于外骨骼系统的运动学及动力学模型，控制外骨骼机构关节转动。信息反馈通道实时检测外骨骼关节转角或转矩信息，经转换成为气囊压力值，控制气囊压力变化，将信息以气压形式反馈给人体。并基于这一人机接口，建立人机系统的闭环控制模型。人机协调控制实验结果表明，实验者能够通过人机交互接口实现指定关节转角的主动运动，在要求转角分别为0°，30°和60°时，其误差的均方根值分别为6.9780°,7.7946°和9.6750°。针对下肢外骨骼康复系统开发及其临床应用问题，根据人体下肢特征及步态特性，设计并制作了下肢外骨骼本体结构及辅助支撑机构；完成外骨骼系统各功能模块的软、硬件设计和开发。其中，下肢外骨骼包含髋关节和膝关节两个主动自由度，其活动范围分别为-25~60°和0~110°，通过滚珠丝杠和四杆机构进行传动；根据不同患者的需求，设计开发了床式、座椅式、站立式辅助支撑机构，实现卧姿、坐姿、站姿等不同姿态的康复训练。硬件系统包括：具有5000倍放大能力的肌电信号放大器；基于ISA数据总线，具有16路采集通道，最高采样频率30kHz的肌电信号采集仪；基于USB接口的4轴运动控制卡。并开发了下肢外骨骼机器人及肌电信号采集仪应用软件。并在上海市第六人民医院进行了中风病人初步临床实验，患者经治疗后，关节活动度和肌肉力基本恢复正常水平，三名患者中两名能够完成独立行走。与传统治疗方式相比，康复时间更短，对肌力恢复更有效，医护人员更轻松。