包括下肢外骨骼、下肢智能假肢、下肢智能矫形器在内的下肢可穿戴机器人能够增强或恢复人体下肢运动能力,在医疗、军事和工业生产等领域具有重要的应用价值。下肢运动意图识别是下肢可穿戴机器人领域的一个重要研究方向,能够帮助机器人理解并顺应使用者的运动意图,提升其舒适性、安全性和智能化水平,有利于推动我国智能康复设备和国防装备的发展。充分获取并有效融合反映下肢运动意图的多模态传感器信息、同时准确识别下肢运动意图的多种表现形式,这些是下肢运动意图识别面临的重要挑战。针对上述挑战,本文开展基于多模态传感器融合和模糊系统的下肢运动意图识别研究,主要识别步态相位和运动模式这两种下肢运动意图的表现形式,为下肢可穿戴机器人的控制提供支撑。本文主要内容和贡献如下:针对如何充分获取反映下肢运动意图的多模态传感器信息的问题,本文设计了一种能够测量肌肉活动的新型气压肌动（PMMG）腿环传感器,并通过实验证明其测量肌肉活动的有效性和良好的可重复性。在此基础上,本文设计完成了一套低成本、可穿戴的多模态运动信息采集系统,能够采集人体下肢运动过程中的PMMG、加速度、角速度、姿态角、足底压力等多源运动信息。针对如何有效融合反映下肢运动意图的多模态传感器信息的问题,本文应用改进的多分类TSK模糊推理系统（MC-TSK-FIS）开展多模态传感器融合研究,提出了基于数据级融合的步态相位识别方法和基于特征级融合的运动模式识别方法。实验结果表明:MC-TSK-FIS算法能有效融合多模态传感器信息,对4个步态相位（左腿摆动相、右双支撑相、右腿摆动相、左双支撑相）的识别准确率达到97.78%以上,对9种运动模式（平地行走、上坡、下坡、上楼梯、下楼梯、站立、奔跑、跳跃、跌倒）的识别准确率达到98.32%。此外,本文还通过对比实验证明了多模态传感器融合系统具有比单模态传感器融合系统更好的融合识别效果和鲁棒性。针对如何同时准确识别下肢运动意图的多种表现形式的问题,本文创新性地提出门控多任务TSK模糊推理系统（GMT-TSK-FIS）算法,并基于GMT-TSK-FIS算法实现了多任务运动意图融合识别系统。该系统能够同时识别步态相位和运动模式,识别准确率分别达到98.29%和99.96%,显著高于单独识别步态相位或运动模式的准确率,证明了运动意图融合识别的优越性。与多种经典机器学习算法以及近期相关研究工作进行了比较,本文所提方法表现出最好的识别性能。此外,本文还实现了多任务运动意图在线识别系统,并为其开发了可视化显示界面,能够在线实时识别步态相位和运动模式,具有较高的应用价值。