水下助推机器人是用于增强人体力量的便携足式运动型机器人,它能够增强水下工作者的运动力量,突破人体极限,完成普通人不能完成的水下工作。由于目前水下助推机器人只能以固定的曲线模式,带动人体下肢运动,无法主动感知人体运动意图,这大大降低了水下助推机器人的实用性和助力效果,因此本文拟在分析人体水下运动规律的基础上,设计、实现运动数据采集与处理平台,研究人体水下运动状态与下肢摆动子相位识别方法,开发和验证人体水下运动意图预测算法,解决水下外骨骼机器人对人体运动意图感知的理论与技术问题。本文主要研究水下助推机器人的人体运动意图感知方法。首先,分析人体水下运动规律,对人体下肢运动特征进行了总结,得到了下肢关节角度的理论曲线;基于人体水下运动规律,确定了水下助推机器人感知系统采集的运动反馈信号,进而确定传感器类型,布局传感器模块,设计硬件电路,完成了对人体水下运动数据采集与处理平台的搭建;通过基于平台完成水下运动数据采集实验,得到了原始运动数据。然后针对人体水下运动意图感知的问题,提出了基于阈值判别的运动状态判别方法对人体水下两种运动状态进行识别,提出了基于支持向量机(Support Vector Machine,SVM)的下肢摆动子相识别算法对大腿上抬小腿上抬、大腿下压小腿上抬、大腿上抬小腿下压和大腿下压小腿下压四个下肢摆动子相位进行识别,设计实验验证了所提算法。实验表明,本文所提下肢摆动子相识别算法能够准确区分下肢摆动子相位,判定穿戴者下肢运动意图。最后重点研究水下运动意图预测方法,采用变增益卡尔曼算法对人体下肢关节角度进行解算,分别建立基于支持向量回归(Support Vector Regression,SVR)、差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)的下肢关节角度预测模型,并对关节角度解算值进行预测,分析预测效果;提出基于SVR+ARIMA融合模型的下肢关节角度预测模型,设计实验验证所提算法。实验表明,本文所提运动意图预测模型能够基于当前的下肢关节角度,精确、快速地预测下一时刻关节角度,实现对人体运动意图的预测。