随着人口老龄化问题日益严重,脑卒中等疾病患者数量不断增加,导致行走能力障碍的患者人数也不断增加,同时我国现阶段的医疗资源比较紧缺,对于行走能力障碍患者的康复训练资源不足。为了缓解紧张的医疗资源,同时减轻患者家属及社会的经济负担,对于康复训练机器人的研究受到了研究者们的关注。目前康复训练机器人跟踪控制的众多研究成果中大多没有考虑康复训练机器人暂态过程的运动性能,如果康复机器人的初始误差较大,进而康复训练机器人的暂态跟踪时间过长,导致康复机器人可能会发生碰撞等危险。为解决此问题,本文研究全方向康复训练机器人的有限时间控制问题,主要内容如下:根据康复训练机器人的系统结构对运动学模型和动力学模型进行了分析,建立了考虑重心偏移的运动学模型和动力学模型。提取出动力学模型中的人机不确定性,并利用随机配置网络（Stochastic Configuration Network,SCN）对其进行估计,建立了具有人机不确定性的动力学模型。基于具有人机不确定性的动力学模型,设计了一种有限时间补偿控制器,并进行有限时间稳定性分析。通过仿真实验证明SCN估计康复训练机器人的人机不确定性是有效的。进一步通过仿真对比实验表明康复训练机器人具有较大的初始误差时,该控制器可以在有限时间内跟踪上医生指定的轨迹,同时对于康复训练机器人的人机不确定性有着很好的鲁棒性。基于灰狼算法优化康复训练机器人的有限时间补偿控制器参数,使得轨迹误差在调节过程中波动及超调达到最小,调节时间达到最短。通过与粒子群算法优化控制器参数的仿真对比实验表明,使用灰狼优化算法选取的控制器参数缩短了康复训练机器人的跟踪暂态时间,提高了人机系统的跟踪性能。