助力行走型下肢外骨骼机器人是一种能为老年人提供行走助力、提升有下肢运动障碍人士行走能力的智能化装备。随着年龄的增长,人体机能逐渐退化,越来越多的老人或者有下肢运动障碍的人士对可穿戴智能化助力装置有着强烈的需求。下肢外骨骼机器人引入人的智能决策能力,提升了人机运动相融的能力。作为一种可穿戴式辅助设备,人们对其安全和人机交互等方面的要求也越来越高。人机运动相融问题是外骨骼机器人研究的热点和难点。国内外对其研究重点主要是通过优化外骨骼本体的运动柔顺性和控制策略的稳定性来提高人机的运动相融,但是针对人在穿戴外骨骼时外骨骼设备是否能跟随人体协同运动,以及人机运动相融中出现的穿戴舒适性等问题的研究相对较少,因此研究外骨骼机器人的穿戴舒适性问题对提高外骨骼机器人的智能化水平和应用效果有着十分重要的意义。对外骨骼助行过程中出现的人机运动共融问题,本文以安徽工程大学外骨骼助力机器人为研究对象,利用实验室现有的设备获取足底压力、表面肌电信息等运动学和生理学数据,通过多模态信息融合的手段建立数学指标评价穿戴的舒适性,同时建立了舒适性量化指标。研究内容如下:（1）基于人机运动相融机理的生机信息采集实验平台构建。运用人体生物学理论,将人体下肢关节结构简化为连杆机构,划分步态相位,分析运动特性,优化外骨骼本体结构,匹配关节驱动,优化了人机运动相融效果。分析了生理学和运动学信号产生的机理,依据人体运动机理和实验室现有的传感器设备,构建了多传感器信息采集平台,为人机运动相融评价方法的研究提供了数据基础。（2）针对生理学和运动学信息的样本集数据较大、特征值不易提取且运动状态识别不明确问题,论文提出了依据生理学和运动学各自的特点单独进行运动状态识别的方法。对生理学和运动学信息展开降噪、特征值的提取、数学建模等处理,匹配合适的算法做运动状态识别研究。（3）针对单一传感器识别精度不高的问题,论文提出了基于生机多模态信息融合的人机运动状态识别方法。将生理学和运动学信息相融合,建立融合的数学模型,做融合后的运动识别。通过对比分析,融合后的运动状态识别正确率达到了94.7%,优于使用单一传感器的运动状态识别结果,为接下来研究外骨骼人机运动相融奠定了基础。（4）人机协同助行实验研究。从主客观两个方面建立了完整的人机运动相融评价方法,设计了人机协同助行实验方案,并开展实验研究,对助行实验数据进行处理分析,结果表明,人机运动相融评价方法是有效的。针对所提出的问题,本文开展了人机运动相融机理研究,优化了本体结构设计与关节驱动,分析并建立了生理学和运动学实验采集平台,研究建立了人机运动相融评价数学模型,开展穿戴外骨骼行走的助行实验,验证了评价方法的有效性,为后续外骨骼人机运动相融奠定了研究基础,有效促进下肢外骨骼机器人智能化水平的提升。