下肢外骨骼机器人能够提高穿戴者的负重能力,又可以对行走提供助力,其控制策略的研究具有十分重要的意义。本文针对下肢外骨骼机器人的穿戴者运动意图识别与控制问题进行了相关研究,主要内容包括:首先,利用惯性传感器采集外骨骼穿戴者的下肢运动信息,用于下肢行走路况模式（平地、上楼梯、下楼梯、上坡与下坡）的识别与行走步速模式（3、3.3、3.6、3.9、4.2、4.5、4.8km/h）的识别,并设计了基于支持向量机与隐马尔科夫模型相结合的识别方法。在路况识别中,对行走路况的转换逻辑进行了分析,识别率提升到92.8%。在步速意图识别中,加入了人-机间的约束力信息,分析行走过程中加速或减速的意图,同时结合步速变化规律,使步速意图识别率提升为92.14%,并且有效解决了高速意图与低速意图互相误识别的问题。其次,在MATLAB/Simscape环境下搭建了仿真模型,对下肢外骨骼机器人的行走进行了仿真控制。以平地行走模式为例,在步速不变的情况下与步速变化的情况下,分别对外骨骼机器人进行控制。当步速不发生变化时,使用传统迭代学习控制对各关节角度进行轨迹跟踪;当步速发生变化时,使用继承型迭代学习控制对其进行快速跟踪。继承型迭代学习控制策略利用了步速变化前的历史控制信息进行知识继承与快速学习,使其达到快速跟踪的作用。另外,将人-机间的相互作用力引入被控系统,并设计了基于角度反馈与力反馈控制策略的迭代学习控制器,对其进行角度跟踪与助力控制。结果表明,使用角度反馈与力反馈控制,比仅使用传统角度反馈控制的收敛速度更快、最终跟踪角度更精确、助力效果更明显。最后,对下肢外骨骼机器人装置进行了控制实验,搭建了具有人-机约束力作用的外骨骼机械装置,并使用基于角度反馈与力反馈的迭代学习控制策略对其进行控制。在平地行走时步速不变化与步速变化的情况下,实现了外骨骼机器人的轨迹跟踪与助力。当步速发生变化时,使用继承型迭代学习控制可实现步速变化后的快速跟踪,同时保持步速变化前的助力效果,实验结果表明,使用本文的方法比传统的法有更好的助力效果。