外骨骼机器人是一种能够感知穿戴者的运动状态,并帮助穿戴者协调出力的智能穿戴式设备,可应用于工业、军事,民用等场合。本课题所研究的下肢助力外骨骼机器人主要应用于辅助穿戴者完成负重行走及增强穿戴者运动能力等工作。基于现有平台,本课题完成了外骨骼人机交互系统的设计和协同控制方法的研究,提升了外骨骼的感知能力和决策能力。全面而丰富的人机交互力信息是外骨骼感知人体运动的基础。本课题完成了脚底、小腿大腿及后背捆绑处的外骨骼机器人人机交互力传感器设计并进行了相应的性能测试。测试结果证明,本课题所研制的传感器具有较高的精度和实用性,可以为外骨骼机器人系统提供丰富的交互信息。外骨骼的动力学模型是外骨骼协同控制的基础,本文分析了传统的基于正立摆和倒立摆的外骨骼动力学建模方法的缺点后,设计了一种新型的基于脚底压力计算的统一化外骨骼动力学建模方法。该方法不再区分外骨骼的支撑相和摆动相,避免了支撑相和摆动相切换时造成的关节输出力不连续的问题,实现了脚底压力的平稳过渡。针对外骨骼的动力学模型参数,本文设计了一种基于梯度下降法的参数辨识方法,实现了对外骨骼动力学参数的准确辨识,提高了控制的精度。外骨骼对人体运动意图的理解是提升外骨骼智能度的基础,本文设计了一种基于LSTM网络的外骨骼运动状态预测方法,LSTM是一种经典的RNN网络模型,它能够根据长期或短期的输入序列完成对下一时刻系统状态的预测。本文基于LSTM模型,在输入外骨骼过去一段周期的运动状态后,实现了对外骨骼下一周期运动状态的预测,大大的提升了系统的快速性和智能性。获取了丰富的信息后的决策能力是外骨骼机器人智能度的更高层次的体现。本文在获取大量外骨骼人机交互信息的基础上,设计了一种多交互力最小化的闭环控制算法。实现了通过改变关节的输出力矩,同时改变外骨骼背部、小腿、大腿捆绑处的人机交互力分布的效果,提升了外骨骼机器人的舒适度。本文在大量的实验基础上,对外骨骼的助力效果、运动快速性和环境适应性进行了测试。结果证明,外骨骼机器人具有较好的助力、跟随效果和环境适应能力。