膝关节是下肢活动中最为重要的关节之一,目前针对于膝关节病理诊断仅通过医护人员临床经验来判断,既缺乏针对膝关节价格低廉的医疗检测设备,又没有相对有效的辅助诊断方法。针对以上问题,本文以膝关节为研究对象,基于动力学建模、卡尔曼滤波的数据融合、有限元和支持向量机(SVM)的数据分类作为研究方向,主要内容如下:通过对膝关节中胫股关节与髌股关节结构分析,将人体下肢系统模型简化成刚体连杆模型;利用拉格朗日动力学方程建立人体膝关节动力学模型,得到膝关节中髌股关节、胫股关节以及股四头肌作用力的数学表达式。为辨识膝关节动力学模型的参数,设计膝关节硬件数据检测平台,由于噪声会对传感器采集数据造成影响,导致测量值与真实值存在较大的误差,提出卡尔曼滤波算法,通过对陀螺仪、加速度计和磁力计得到对象的两组姿态角进行数据融合;通过设计好的硬件平台进行膝关节实验分析,结合膝关节动力学模型,进行模型参数辨识得到膝关节胫股关节、髌股关节和股四头肌的作用力。采用三维人体模型扫描人体膝关节三维重建;将硬件检测平台与动力学模型相结合得到的实际生物作用力,通过有限元分析施加在重建好的膝关节三维模型上,分别去模拟人体现实情况下行走,下蹲时刻的内部应力。为了形成有效的方法辅助诊断模型,结合动力学模型、参数辨识运动采集平台得到的膝关节数据以及有限元分析计算出的内部应力建立原始数据集;通过对连续原始数据的拆分,处理无效值与无效特征项等方法对原始数据集进行预处理;使用SVM算法对预处理好的膝关节数据集进行分类实验,同时使用决策树与K临近方法进行对比参照实验。实验表明,对于膝关节数据集SVM有较好分类准确率,同时结合动力学模型加入的关节内部作用力作为特征项的数据集准确率相对较好,验证了本文研究方法的可行性与实用性,最终可以形成相对有效的辅助诊断模型。