下肢外骨骼机器人在助力、助老、助残方面具有非常广阔的应用前景。目前外骨骼机器人在结构创成方面已经发展的比较成熟,但其在人机协同性和人体跟随性方面还比较欠缺。患者在穿戴下肢外骨骼进行康复训练时还不能实现主动随意控制。表面肌电(surface Electromyography,sEMG)信号,能够提前大约100ms反映人体肌肉的收缩程度。因此,可利用sEMG信号对人体运动意图进行预测,并且该信号可作为外骨骼机器人的控制信号源。本文针对处于康复中、后期的下肢功能损伤患者,进行基于表面肌电信号的外骨骼机器人实时步态切换和主动康复训练控制方法研究。首先,提出了工频陷波+带通滤波的sEMG信号预处理方法和均方根+滑窗+圆滑处理的特征提取方法,提取的结果与同步采集的关节角度信号进行对比,确定与关节运动最为相关的肌肉。选用BP神经网络(Back Propagation Network)算法建立基于表面肌电信号的关节角度预测模型,确定BP神经网络传递函数、学习速率等相关参数。同步采集膝关节、髋关节做相关运动时的特定肌肉sEMG信号和膝关节、髋关节角度信号,将特征提取后的sEMG信号和角度信号一并输入至BP神经网络,进行训练,得到基于sEMG信号的关节角度预测模型。根据关节预测角度建立下肢外骨骼机器人跨越障碍物步态切换逻辑和外骨骼主动触发以及变步长控制策略。建立上位机、外骨骼机器人、肌电采集设备、角度采集设备之间的实时通讯接口。采集被试相关肌肉sEMG信号和关节角度信号,训练关节角度预测模型。被试穿戴外骨骼机器人进行步态切换和主动控制理论方法的实验验证。实验结果显示,该控制方法具有较好的实时性和准确性。理论和实践表明将sEMG信号用于外骨骼机器人控制,便于患者进行主动康复训练,并且能够大大提高外骨骼机器人的智能化水平和人机协同性能。