面向负重行走下肢助力外骨骼,针对其存在的三大核心问题(系统模型、负重适应以及平衡安全):摆动相中基于模型的控制算法对精确动力学模型依赖;支撑相中未考虑变负重适应性以及负重行走中的平衡安全等核心问题,本学位论文从下肢助力外骨骼的跟随性、适应性及平衡性三大核心性能进行研究以提高其助力效率,主要工作及成果归纳如下:针对传统灵敏度放大控制算法对精确动力学模型依赖问题,提出基于交互意图预测的摆动相跟随算法。通过动态运动基元对步态运动进行建模实现对穿戴者交互意图的预测,以此针对不同步态优化灵敏度放大算法与交互意图预测器的作用权重,以降低对精确动力学模型的依赖。仿真实验中降低了88.9%因模型误差造成的交互力,实际穿戴实验中相比传统灵敏度放大算法,通过人机交互力的下降估计节省摆动腿44.6%的能量。针对传统控制算法未考虑变负重适应性问题,提出基于参数化动态运动基元的变负重支撑相助力算法。针对不同负重构建基于参数化动态运动基元的变负重助力模型,利用离线采集的不同负重条件下人体关节力矩曲线,学习基于参数化动态运动基元的助力模型参数与负重之间的自适应关系,实现变负重助力力矩的自适应规划。实验中由采集负重行走过程中穿戴者的氧气消耗量可知,提出的算法相比无助力情况节省20.4%的穿戴者能量。针对负重行走过程中导致的平衡安全问题,结合上述基于参数化动态运动基元的变负重支撑相助力算法,提出基于重心平衡约束的变负重支撑相助力算法。在基于倒立摆模型的重心平衡条件约束下,由基于核化运动基元的变负重助力模型规划出的助力力矩,满足人机负重系统平衡行走的动态重心平衡条件,以应对负重行走过程中的平衡安全问题。实验中双支撑阶段5.4%平均减少验证负重行走过程平衡性的改善,且耗氧量数据显示可节省21.6%的穿戴者能量。为验证上述算法,搭建了基于液压驱动的HUALEX下肢助力外骨骼系统。参加了由国家举办的助力外骨骼系统野外负重行走比赛,其搭建的野外测试环境对基于本学位论文算法的HUALEX下肢助力外骨骼进行了通过性测试。另外本学位论文研制的算法未来也可用于工业助力、户外徒步及户外登山等应用场景。