康复训练机器人作为医疗机器人的一个重要分支，近年来已经成为国际机器人领域的一个研究热点。利用机器人技术辅助神经损伤患者进行康复运动训练，由于对象的特殊性，如何实现安全、平稳、智能的康复训练，以及如何最大程度地激发患者的主动参与意识，是目前康复机器人领域亟待解决的关键问题。本文针对上述相关问题，拟从安全性、运动平稳性、系统智能性以及临床实验等方面开展上肢康复训练机器人运动控制技术和实验研究。　　根据神经损伤康复治疗理论，分析总结了康复训练机器人系统的特点和设计中应遵循的原则，为本文设计相关运动控制策略和临床实验方案提供理论基础和指导。针对上肢康复训练机器人临床运动训练的安全性和平稳性问题，提出了基于模糊逻辑的实时在线安全监督控制方法。该方法从患肢状态本质角度出发，通过设计安全监督控制器，实现了正常扰动情况下的平稳性以及突发紧急情况下的安全性控制。仿真和实验研究表明，融合安全监督控制策略和基于位置阻抗控制算法所设计的控制系统，能够实现高平稳性和安全性的运动训练。　　为实现平稳的运动训练，分别从训练轨迹插补方法和位置控制系统架构设计角度开展研究。首先提出了基于动态插补策略的运动控制设计方法，该方法根据实时评估的患肢物理状态，通过插补决策机制选择适宜的插补方法进行运动控制，有效地融合了各插补方法的特性，避免单一插补方法的局限。其次，针对传统PI控制器不能有效解决因患者扰动引起的训练不平稳问题，提出了PI-阻尼的控制器设计架构来实现稳定平滑的运动训练，通过建立患肢和机器人的阻抗模型，运用自适应窗口滑动最小二乘法在线辨识患肢参数，以辨识的患肢参数为输入，分别设计模糊调节器自适应调节PI-阻尼控制器参数。基于WAM上肢康复训练机器人的实验表明，所提方法均能有助于改善运动训练的平稳平滑性。　　针对目前上肢康复训练机器人缺少对患肢训练模式智能处方诊断的问题，首先提出了基于小波包模糊推理的康复运动训练模式专家诊断方法;该方法根据位置跟踪误差信息，通过小波包分解获取患肢运动性能特征，运用专家知识通过模糊逻辑推理诊断得出适合患肢的训练模式。其次，为进一步提高智能处方诊断准确率以及诊断方法的适用性，提出了融合支持向量机和广义动态模糊神经网络(SVM-GDFNN)的患肢训练模式处方诊断方法，该方法利用支持向量机泛化能力强以及广义动态模糊神经网络具有良好自学习性能的特点，建立SVM-GDFNN诊断模型，并设计相关确诊机制来提高诊断准确率。临床实验验证了所提方法的有效性。　　依据康复不同阶段患肢病情恢复特点，结合临床运动训练控制策略应遵循安全智能、有效激发患者训练兴趣、充分发挥患肢残存功能的原则，分别设计了动态被动运动训练、自适应训练难度的自由运动训练以及基于分层触发控制的抗阻运动训练控制策略，并进行临床实验研究，实验结果表明了康复运动训练模式和运动控制策略的有效性。