下肢外骨骼膝关节助行机器人能够辅助人体行走,增强人体运动能力,减少膝关节磨损。准确获取人体运动信息是下肢外骨骼机器人控制系统的技术难点,是实现人机协调控制的关键。足底压力是人体下肢运动中重要的生物力学参数,能够反映人体运动信息。本文围绕足底压力特征,对人体运动模式识别、人体步态识别、足底压力预测、膝关节角度预测等方面展开研究。首先,以外骨骼膝关节助行机器人和足底压力采集系统为核心设计了外骨骼膝关节助行机器人软硬件系统平台,包括外骨骼机器人机构、足底压力软硬件采集系统、高速相机同步采集系统和其他辅助验证设备。对采集的足底压力信号进行处理和分析。设计滤波器去除信号噪声,提取足底压力特征。其次,根据同步采集的下肢运动图像对不同运动模式和步态的足底压力进行特征分析。针对人体运动模式和人体行走步态采用足底压力阈值进行识别,共对两名实验对象12组实验数据进行识别,其中运动模式识别60次,步态识别784次。通过同步采集图像对模式识别中启动和停止的识别结果进行误差分析,平均误差时间为320ms。通过同步采集图像对步态识别中各个步态的识别结果进行误差分析,识别准确率为99.87%。然后,搭建BP神经网络对时间序列预测,利用足底压力历史信息预测足底未来压力,对32组实验数据预测,其预测结果与实际值的均方误差（MSE）平均值为0.5180,均方根误差（RMSE）平均值为0.6438,证明该方法能够实现足底压力预测。在足底压力预测的基础上对预测压力进行步态识别,识别成功率为100%,证明了步态预测方法的可行性。然后,为实现足底压力得到膝关节角度,提出了BP神经网络膝关节角度预测模型,通过输入足底压力对膝关节角度进行预测,姿态传感器同步测量膝关节角度实际值,得到预测结果与实际值的均方根误差为10.2322,角度平均误差为7.1265°,证明了膝关节角度预测方法的可行性。最后,搭建外骨骼机器人膝关节运动控制平台,根据膝关节预测角度对膝关节电机进行控制,通过编码器获取电机转动角度,电机转动角度均方根误差为23.4219,角度平均误差为16.85°,膝关节电机能够按照预测角度变化趋势进行运动,实验结果验证了外骨骼膝关节助行机器人系统和足底压力特征研究方法的正确性。