脑卒中是目前世界上成年人的首要致残因素,幸存者存在50%～70%的偏瘫概率。脑卒中患者术后穿戴气动康复手套可以进行手功能康复训练,是帮助患者进行手部康复的一种较优的解决方案。不同于目前应用较多的预先编程模式和配合外设的主从控制模式,肌电控制模式具有控制过程动作自然、仿生性好、设备结构简单、应用灵活等优点。本文旨在将气压传动技术与肌电控制技术相结合,最终实现气动康复手套的肌电控制。根据表面肌电信号的特点设计了一种双通道表面肌电信号调理器,用于采集不同手势动作的指屈肌和指伸肌的表面肌电信号。设计了一种双阈值比较的表面肌电信号动作活动段检测方法,应用移动窗口法分割信号数据,提取表面肌电信号的时域及时频域特征并分析特征的聚类性。选择表面肌电信号的小波包系数的能量特征和方差特征组成特征向量,应用主成分分析法降低特征向量维度。设计了BP神经网络模式识别分类器,实现手势动作表面肌电信号的模式识别,应用该算法对十位实验者进行手势动作离线识别,检验该模式识别算法对不同个体的适应性。研究了气动康复手套的弯曲角度伺服控制,基于模糊PID切换控制策略设计了控制系统并搭建实验台,分别进行气动康复手套在阶跃和斜坡信号下的弯曲角度响应实验。在上述研究的基础上,设计了阈值控制策略和模式识别控制策略的肌电控制方法。其一,基于阈值控制策略在MATLAB/Simulink中设计人手“屈/伸”意图的在线识别算法,结合气动康复手套弯曲角度伺服控制实现了康复手套缓慢“屈/伸”运动的肌电控制。其二,基于模式识别策略在MATLAB/Simulink中设计了手势动作表面肌电信号的在线模式识别算法,并实现多模式的手势动作肌电控制,实验中实现了“捏食指”、“捏中指”、“屈掌”、“伸掌”以及“休息”等五种手势的在线识别,根据识别结果控制相应的电磁阀,驱动气动康复手套完成对应模式的动作。最后检验了该在线识别算法对不同实验者手势动作的在线识别效果,平均在线识别率可达75.45%。