随着科学技术的发展,人类在山地侦察、资源勘探、抢险救灾等特殊环境中作业的需求不断增加。六足机器人因具有多自由度的腿部结构和离散的落足点等特点,成为面向复杂环境作业的优秀解决方案,逐渐替代人类在复杂环境中执行任务。由于作业环境的特殊性,六足机器人在行走的过程中不可避免的会受到外部环境的冲击,可能产生腿部结构变形、关节装配松弛、电子元器件失效等多方面的问题,从而造成机器人行走状态的异常,影响机器人继续执行任务。因此识别机器人的行走状态对机器人十分重要。针对六足机器人行走状态识别的问题,本文通过采集机器人行走过程中的机身加速度、关节角度和关节力矩数据,使用机器学习算法建立识别模型,实现对六足机器人行走状态的识别。本文主要研究内容如下:(1)对六足机器人进行结构设计、步态规划和运动学分析,设计六足机器人的实验样机。规划三足步态、四足步态、五足步态及三种步态对应的单腿损伤步态。绘制不同步态的机身加速度波形图,利用运动学模型解算机器人的关节角度和力矩,分析机身加速度、关节角度、关节力矩与机器人行走状态的联系。(2)使用加速度传感器采集机身加速度信息,使用关节舵机采集关节力矩和角度信息,设计数据采集存储程序。设计机器人行走实验,采集机器人以正常步态和单腿损伤步态行走时的机身加速度、关节角度和关节力矩。(3)分析标准化、归一化、平滑化、加窗处理、降维处理方法的特点,使用均值、方差、偏度、峰度、相关系数作为特征提取量,并计算了特征数量。对支持向量机、K近邻、随机森林和AdaBoost的原理进行分析,使用网格搜索结合交叉验证的方法选择参数,并将准确率、混淆矩阵、F1-Score、召回率作为模型识别效果的度量指标。(4)通过计算机进行数据预处理和特征提取,使用支持向量机、K近邻、随机森林和AdaBoost算法建立模型。对比不同数据处理方法对算法识别效果的影响,选择其中一种算法作为机器人行走状态识别的模型并进行实验,验证了本文提出的行走状态识别方案的有效性。