随着人口老龄化社会的到来,以中风为代表的脑血管疾病发病率急剧增高,老年人患者的数量大量增加,给社会和家庭造成极大的负担。脑中风会导致患者产生一定的运动功能障碍,其中手部是最容易造成损伤的部位。手部康复机器人能够克服目前医疗资源不足的问题,为脑卒中患者的手部康复治疗提供新的方法。手部在日常生活中需要完成非常复杂的动作,在康复训练过程中对手指的抓握力量训练具有非常重要的意义,而其中亟待解决的问题是,如何实现对患者的主动力预测和康复机器人对人机接触力的控制。本文针对上述问题展开研究,具体工作内容如下:首先,基于人体手部关节运动模型,分析本文所使用手部外骨骼的机械结构和运动方式。将结构进行简化得到其几何模型,使用几何分析法建立手部外骨骼结构的正逆运动学模型;在此基础上,使用拉格朗日方程对手部外骨骼的动力学进行分析,得到电机驱动空间、手指关节空间和指尖笛卡尔空间的关系。其次,针对患者主动力预测问题,以表面肌电信号(surface Electromyography,sEMG)与肌肉收缩力之间的关联性为出发点,建立多通道表面肌电信号特征和手部握力之间的回归关系,实现对患者主动握力的解码;通过对sEMG特征与握力的相关性分析,优化肌电特征的选取;运用粒子群算法(Particle Swarm Optimization,PSO)对模型的参数进行优化,提高模型的准确性;最后通过实验验证了方法的有效性。再次,为了提高康复机器人对人机接触力的控制精度和保证人机接触的柔顺性,控制外环通过基于位置的阻抗控制器实现对期望辅助力的跟踪。针对康复训练过程中人机接触阻抗不断变化的问题,提出基于sEMG的模糊阻抗控制器,实现对目标阻抗的调节,减小力的稳态误差;内环结合RBF(Radial Basis Function)神经网络自适应补偿系统建模的不确定项,并基于计算力矩法实现对轨迹的稳定跟踪。基于Sumulink建立控制仿真模型,通过仿真验证方法的有效性。最后,搭建手部康复机器人控制实验系统,包括信号采集系统、数据处理系统,康复机器人控制系统。采集受试者表面肌电信号,运用本文方法进行主动握力估计和人机接触力控制,验证方法的有效性。