随着社会老龄化程度加深,老年人因中风后遗症而致残的情况不断增加。基于“神经可塑性”理论,中风致残患者可以通过康复训练恢复肢体运动能力。目前,通过康复机器人辅助患者完成康复训练已经成为康复治疗领域的研究热点。但是传统康复机器人只能进行模式单一的被动训练,保护机制较少,而且患者的参与度较低。为了解决上述问题,本文针对单侧上肢运动功能障碍患者,搭建末端牵引式上肢康复机器人系统并设计进阶式康复训练方案:康复初期,在被动康复训练中,康复机器人基于表面肌电信号（surface electromyography,s EMG）识别患者健肢侧手势动作进而控制自身牵引患肢运动,以此提高患者参与度的同时锻炼两侧肢体,并且基于自适应阻抗控制方法,设计牵引力控制机制,确保患者安全;康复中后期,基于阻抗控制方法设计主动康复训练方案,为患肢的运动过程提供合适阻力,辅助患者锻炼肌肉。本论文的主要工作如下:首先,基于UR5机械臂搭建末端牵引式上肢康复机器人系统。通过对机械臂的运动学分析,基于ROS框架搭建运动控制模块,完成机械臂末端的运动控制。其次,设计基于sEMG信号的手势动作分类器。在特征提取方面:针对时域特征不稳定、频域特征无法表征信号非平稳性特点以及常用的连续小波变换无法直接提取指定中心频率分量的不足,提出利用改进型Gabor连续小波变换结合先验知识来提取指定中心频率分量作为信号的时频域特征。在分类器设计方面:基于卷积神经网络设计分类器,结合慢融合模型来提取输入特征在时空维度上的信息;提出并行空洞卷积模块来提取输入特征的全局信息;提出基于多流Ada BN（adaptive batch normalization,Ada BN）的模块化迁移学习算法,将预训练网络划分为通用特征提取模块和针对特定被试的分类器模块,提高基于多被试数据的预训练过程的稳定性和预训练模型的整体性能;结合基于Ada BN的领域自适应方法,减少源域和目标域数据分布差异带来的不利影响。实验结果表明,本文设计的分类器在七种手势动作的分类任务中,当训练样本较少时,可以达到97.54±3.01%的准确率;当训练样本充足时,可以达到98.86±1.67%的准确率。再次,设计基于力信息的机械臂柔顺控制策略。结合阻抗控制方法设计主动康复训练方案。在被动康复训练方案中,在分析了阻抗控制的力跟踪稳态误差后,引入自适应控制方法,基于李雅普诺夫原理得到参数调整规律,搭建自适应阻抗控制系统并设计了牵引力控制机制,确保当康复机器人牵引力超出合理范围时,能及时将牵引力减少为0。最后,基于构建的上肢康复机器人系统,验证本文所设计的主动、被动康复训练方案以及牵引力控制机制的有效性。实验结果表明,设计的上肢康复机器人系统能够实现进阶式的康复训练方案。