随着外骨骼商业化进程的加快,传统刚性外骨骼笨重、穿戴不易、舒适性差、与人体兼容性差的问题愈发凸显。由于外骨骼的最终目标是致力于辅助人体日常行走,如何行之有效的识别多模式和多环境助力成为外骨骼研究者重点关注的问题。柔性外骨骼作为外骨骼的一种,重量轻、穿戴方便且相容性好,相较于传统的外骨骼,更适用于辅助出行,但现有的柔性外骨骼采取多关节耦合式助力,穿戴结构需根据受试者体型进行设计,不具备普遍适用性;驱动装置质量过大,额外负重较高,无法长时间携带;助力模式单一,不具备多模式识别和多环境助力的能力。本文基于柔性外骨骼和模式识别算法,深入研究辅助人体出行的策略。针对关节耦合助力适用性差的问题,提出了多环境助力踝关节的策略。通过分析人体下肢各个关节的生理学结构和运动机理,建立下肢模型,采集并比对三种环境下人体下肢各个关节的生物力学数据,考量日常环境中平地占比较大且踝关节跖屈做功占比较高,综合分析多环境助力踝关节收益最高。针对当前外骨骼结构普适性差和驱动装置质量大的问题,设计了集成化的柔性外骨骼结构及其便携式的驱动盒。基于下肢生理学结构设计适用于多种模式的柔性外骨骼,将下肢外骨骼集成于鞋上,实现一体化穿戴,减少穿戴复杂度,提升适用性。改进传统的腰带式的驱动装置为背带式便携驱动盒,增强多环境助力时的稳定性,整体便携式驱动盒质量为2.8kg,相较于大部分柔性外骨骼都要轻。针对传统模式识别存在迟滞性的问题,提出了结合视觉与柔性外骨骼的模式识别方法。使用多线程采集三维点云和三维欧拉角,通过欧拉角矫正点云坐标,设计CNN+HMM+QUE的识别模型,基于识别模型实时判断运动模式,该模型识别延迟仅为40ms,线下识别精度可达99%±1%,面对复杂多变的环境更具鲁棒性。提出了基于反馈力的位置控制策略,通过系统刚度将力控转化为位置控制,简化控制模型,并通过反馈力优化助力曲线,提升助力效果。为评估多模式识别柔性外骨骼系统性能,进行了模式识别和辅助助力对照实验。搭建了多模式识别和多环境助力实验平台,采用辨识精度和辨识延时评估识别算法性能,结果表明算法能够实时识别运动模式,且辨识精度可达98.7%。在3种环境中对比了柔性外骨骼助力与不助力条件下踝关节的功率和力矩,结果表明柔性外骨骼能够实现多环境辅助助力。最后,总结了全文,展望了今后可继续展开研究的方向。