随着社会老龄化趋势的到来和下肢残患人士数量的增多,医疗系统面临的压力不断加大。这种背景下,轮椅机器人（Wheelchair Robot,WR）的普及使用可以给弱势群体带来更好的康复支持,缓解医护人员压力。然而,老年人在日常使用WR代步行驶的过程中,极易由于复杂环境下的误操作、WR避障功能不健全和WR自身故障等原因导致碰撞事故的发生,这会对弱势群体造成二次伤害。因此,研究WR的智能避障和安全控制策略,对于保证WR的安全使用具有重要意义。首先,为了避免因人的误操作而造成的WR碰撞事故,研究了一种考虑操作意图的人机模糊智能避障方法。主要使用多路超声波传感器探测环境中的障碍物距离,建立起障碍物距离和WR安全行驶方向之间的模糊推理规则,使得WR在行驶过程中遇到障碍物时具备安全绕行的能力。然后,在此基础上引入了操作权重的概念,建立起了关于操作权重参数的模糊推理规则,使WR能在避障行驶的过程中根据操作权重参数的大小,不同程度的将驾驶者的操作意图进行考虑。最后在实验环境下验证,当WR的期望速度为0.3m/s时,达到86.7%的避障成功率,当WR的期望速度为0.4m/s时,达到80%的避障成功率,证明了方法的安全有效。其次,为了满足驾驶者对于WR行驶状态的个性化需求和安全驾驶需要,提出了面向人操作习惯的强化学习-模糊避障方法。首先,分析了个体操作习惯和其对WR行驶状态主观满意度之间的关系进行分析,设计出基于个体操作习惯的奖励函数,并建立起人机交互强化学习模型,使WR拥有自行调整行驶状态以迎合人主观满意度的能力。然后,建立危险度多项式对WR自学习过程进行约束,保证了WR使用中的安全性和可操作性。最后,通过大量实验证实了方法的有效性,为人省去了自主调节WR内部参数的困难,节约了巨大的学习和试错成本,避免了危险情况的发生并总结出最佳学习率为0.1。最后,考虑到由于WR自身电机故障而导致避障路线失效的问题,提出了使用模型参考自适应系统（Model Reference Adaptive System,MRAS）的安全控制方法。使WR的动力学模型发生重大改变的情况下,自适应调节控制器参数,增强系统的抗干扰能力。经仿真验证,自适应安全控制的方法能够使WR某个轮子完全失去驱动力的情况下,仍可使WR按照规划路线行驶从而达到安全控制的目的。