伴随着老龄化时代到来,由中风、脊髓损伤、帕金森综合征等疾病造成的肢体残障人数迅速增长。其中,中风是导致人们下肢局部骨骼肌运动功能障碍的主要疾病。它是造成身体运动机能障碍的主要疾病,也是目前致残率最高的疾病之一,且每年持续增长、并呈年轻化趋势,严重地危害患者身体健康。肢体麻木、步伐不稳、偏瘫等是其最为常见的后遗症。因此,中风不仅给患者身体和心理上带来了严重伤害,还给患者家庭带来了巨大的经济负担。如何为中风患者提供必要的帮助已经成为我们必须面对的社会服务问题。下肢康复机器人辅助患肢进行康复训练是康复医疗发展的必然趋势,但目前人机交互控制方法研究相对薄弱,导致康复训练活动存在安全隐患,甚至造成二次损伤等问题。本文针对下肢康复机器人中存在的问题开展了深入研究,主要研究内容如下:(1)针对下肢康复机器人动力学建模问题,将其结构进行合理的抽象与简化,提出一个具有普适性的结构模型。在一个完整康复周期内,建立一类具有非线性、强耦合、不确定、时变等特性的动力学模型。动力学模型的建立为研究下肢康复机器人的鲁棒稳定性分析以及人机交互控制奠定基础。(2)针对下肢康复机器人的鲁棒稳定性问题,在实际工程应用中,强鲁棒性能够增强系统的抗干扰能力。当下肢康复机器人模型发生参数摄动或外部扰动的情况,设计鲁棒反馈控制器,因此,结合稳定性条件和迭代学习技术,设计不同的迭代学习控制器,实现下肢康复机器人多工况的康复训练活动。(3)针对时变广义逆矩阵求解问题,提出一种修正的归零神经网络模型,根据Lyapunov稳定性定理,分析该类网络的稳定性。另外,当网络受到噪声干扰时,提出了一类抗噪型动力系统,设计具有抗噪能力的归零神经网络模型,研究该类网络的渐近稳定性和指数稳定性。数值仿真结果表明,本文提出的归零神经网络模型求解时变广义逆矩阵是可行和有效的,为患者运动意图识别奠定理论基础和算法框架。(4)在康复训练过程中,为了给患肢创造一个安全、舒适、自然且具有主动柔顺的康复训练环境,人机交互控制方法不可或缺。利用数据采集系统提取患者的表面肌电信号(surface Electromyography,sEMG)并进行意图识别,形成“患者-机器人”人机交互系统的康复训练轨迹,设计基于迭代学习算法的人机交互控制器,避免患肢受到二次损伤。