随着控制理论与生物医学的迅猛发展,双臂外骨骼机器人成为了科学领域的一大热点,也吸引了大批学者的研究参与。双臂外骨骼机器人不仅可以帮助老人完成一些日常生活动作,帮助工人完成一些繁重的负载任务,还能辅助偏瘫患者进行康复训练。但是,双臂外骨骼机器人在控制中存在着两个普遍的问题:交互任务中存在的不稳定性、状态与输入约束导致的非线性。针对这两个问题,本文提出了两种对应的解决方法,并在Lyapunov稳定性理论的框架中给出了控制器稳定性的证明。本文的主要研究内容可以总结为:针对双臂外骨骼机器人在与未知环境发生交互时产生的不稳定性问题,本文提出了一种自适应阻抗控制方法。基于对人类神经运动控制的观察、人体表面肌电(sEMG)信号与关节刚度高度相关这一事实,本文利用sEMG信号来估计人手末端刚度,利用刚度观测器对刚度估计作进一步的补偿,最后利用技能传递技术将人手阻抗信息传递至机械臂,使机械臂拥有像人手一样的阻抗调节机制,保证双臂外骨骼机器人在与未知环境发生交互时的稳定性;针对双臂外骨骼机器人遇到的饱和输入和状态约束问题,同时考虑到模型中存在的不确定性输入,本文提出了一种基于干扰观测器的自适应神经网络控制方法,利用RBF神经网络逼近系统中的不确定项,通过干扰观测器补偿系统中存在的多种干扰项,如外部干扰项、输入非线性项和系统模型逼近误差项等,通过Barrier Lyapunov Function(BLF)使系统中所有的状态保持在自己的约束集中,同时以一定的控制精度跟踪给定信号。