随着现代康复医学的发展,利用机器人康复训练系统进行偏瘫患者的肢体功能恢复已成为国内外研究的热点之一。本文主要围绕上肢康复机器人训练系统在临床治疗中出现的训练方案康复价值低、人机交互信息少、被动训练平稳性差且易受干扰、主动训练难以兼顾舒适性和有效性、缺少痉挛检测与应急保护措施等诸多不足,研究如何以康复医学原理和先进控制理论为基础,将医师临床经验与人体工学设计相结合、机器人信息采集方法与人机交互技术相结合、离线最优规划与在线智能学习相结合,主要解决：康复训练轨迹的优化设计、人机交互作用力矩参数估计、被动及主动训练过程的智能学习、痉挛的检测与应急保护等关键技术问题,最终形成一组较为完整的辅助或替代医师完成患肢康复训练的机器人系统控制方法。本论文的主要研究工作包括：具有康复价值的上肢运动轨迹设计方法。在总结医学康复规律与人体工学原理的基础上,本文提出由运动复杂度指标、训练强度指标、平顺度指标等构成的综合复健度指标体系,并利用凸集合技术融合医师经验与康复训练数据,把上肢康复训练运动轨迹规划问题转化为带约束的非线性多目标优化问题。进而,本文提出了基于DNA遗传算法的康复轨迹智能优化求解方法,给出严格满足各项康复量化要求的训练方案。人机交互作用力矩的实时估计方法。考虑到现有的阻抗力矩模型仅能提供末端单关节的部分信息,本文采用具有高阶动态的三关节五自由度阻抗模型来刻画人机交互作用力矩,进而建立了康复训练过程的非线性人机交互系统模型。提出基于积分变换技术的非线性观测器构造性设计方法,在理论上,给出了观测器收敛性条件以及阻抗参数估计误差界与观测器参数之间的定量关系,确保人机交互作用力矩的实时估计并能够以指数率达到预先指定的精度。通过仿真实验说明了所提出的控制方法的有效性和实用性。基于逻辑切换的被动训练自学习控制方法。针对被动训练阶段人机交互系统中的未知扰动和肌张力不确定性,本文提出基于逻辑切换的自学习补偿控制策略,以保证机器人平稳地牵引患肢沿预先规划的轨迹进行运动。为处理具有强不确定性的非线性人机交互系统输出反馈控制问题,本文采用状态观测器提供的实时信息对控制器参数实时更新,通过自学习机制来保证人机交互系统的全局稳定性,并确保对康复训练轨迹的高精度可靠跟踪。通过仿真实验验证了所提出的控制方法的有效性。基于智能优化的主动训练自调整控制方法。针对主动训练阶段不断修正运动轨迹以大幅提高康复效果的要求,本文提出基于DNA遗传算法的智能自调整控制策略,达到对具有康复价值运动轨迹的最优拟合以及对患肢牵引过程的柔顺化。该方法通过实时提取运动参数以及患肢抵抗力矩等特征,判断患肢各关节肌肉的康复状态来调整各关节运动轨迹,以平衡有效性和舒适性这两个主动康复训练的基本要求,保证主动阶段的机器人治疗方案的优化调整及安全实现。通过仿真实验说明了所提出的控制方法的有效性和实用性。痉挛的检测与紧急保护控制方法。针对康复过程中出现的痉挛现象,本文提出基于扩展观测器的痉挛检测和紧急保护控制策略,来提高痉挛检测准确性、检测灵敏性以及保护快速性。通过观测器的构造性设计,该方法可以准确对肌张力变化引起的力矩摄动进行估计,并能够快速地提供反方向补偿力矩实现对患肢的抗痉挛保护。仿真实验表明了所提出的痉挛的检测与紧急保护控制方法的有效性和实用性。