目前,国内针对脑卒中偏瘫患者的康复训练机器人研究刚刚起步。脑卒中偏瘫患者往往因为中枢神经损伤导致肢体运动功能障碍,造成患者生活质量下降。因此,迫切需要相关的神经康复机器人帮助患者恢复患侧肢体的运动功能。研究表明,基于患者主动意识控制肢体康复运动训练有助于患肢运动功能的修复。根据下肢偏瘫患者的病理状况和表面肌电信号的特性,本文利用传感器技术可以采集到肢体所对应肌肉运动情况的表面肌电信号,用于康复训练机器人控制,以体现患者的运动意图。本文的研究工作主要有以下几个方面:首先,详细阐述脑卒中的发病原理及其康复治疗的方法,对表面肌电信号的发展与应用进行了综述,并提出了本课题研究的思路和内容。介绍了表面肌电信号产生的原理及下肢各肌肉参与运动的特点。其次,提出了择优法选择合适的肌肉来提取有用的表面肌电信号,对表面肌电信号数据分析处理,包括滤波,线性化处理,动作段检测等,提取了表面肌电信号的时频域特征值,如信号的均值(MAV)、波形长度(WL)、方差(VAR)、过零点数(ZC)、斜率变化数(SSC)、Willison幅值(WAMP)、平均功率(MeanFerqueney)、中值频率(MedianFerqueney)、比值参数(Ratioparamerer)等。将这些特征值通过降维处理及特征值评定后,利用径向基(BRF)神经网络和学习矢量量化(LVQ)神经网络分别对下肢相关的运动模式进行分类。通过Solidworks软件建立下肢康复机器人模型,然后把模型导入到Matlab软件中,生成SIMULINK能进行仿真的文件,利用Matlab的VR模块建立虚拟现实模型并联合SIMULINK仿真模块进行仿真,分析神经网络模型分类的结果。实验表明,学习矢量量化神经网络对模式的分类结果较好地驱动控制系统仿真模型。最后,本文采用了两种设备采集下肢相关肌肉的表面肌电信号,并进行了比较。实验表明,表面肌电信号经过预处理、分类后可以驱动控制系统仿真模型,充分地体现了主动意识控制机器人运动的意图,为下肢外骨骼康复机器人主动意识控制系统的设计奠定了坚实的基础。