下肢外骨骼机器人作为目前热门研究技术之一,在增强人体运动能力、辅助下肢疾病患者康复训练等方面起着重要的作用。而如何合理地对下肢外骨骼运动轨迹实现规划与控制是解决外骨骼与人体协调运动的关键问题之一。本文针对基于惯性测量单元传感系统的下肢外骨骼的步态控制问题,展开了对人体行走过程中步态预测算法与下肢外骨骼控制方法的研究。本文的研究内容主要包括以下三个方面:(1)针对下肢外骨骼执行机构滞后于人体运动问题,提出了一种基于Gradient Boosting算法的步态单步预测方法。本文利用滑动窗口对采集的人体步态数据中的关节角度序列提取特征构造数据集,利用基于Gradient Boosting算法的XGBoost与LightGBM对数据集中训练集进行训练。最后利用XGBoost与LightGBM训练的预测模型对测试样本进行预测,并与卡尔曼滤波步态预测算法结果进行对比。实验结果证明了LightGBM在步态单步预测中准确性高于卡尔曼滤波预测,并相对于XGBoost有更快的训练速度。(2)针对步态单步预测无法完全抵消下肢外骨骼执行机构的延时问题,提出了基于LightGBM的两种步态多步预测方法。本文通过分析LightGBM步态预测算法在外骨骼步态单步预测控制中的缺陷,以LightGBM算法训练的预测模型为核心,分别利用单预测模型对目标值迭代计算与多预测模型并联计算实现对下肢外骨骼步态的多步预测。实验结果证明基于LightGBM的两种多步预测能够准确预测步态关节角度变化。本文针对单预测模型目标值迭代的多步预测设计了在线训练预测模型过程,并通过实际步态数据仿真验证了在线训练的可行性。(3)针对下肢外骨骼多关节控制问题,提出了一种基于步态感知反馈的多电机闭环控制方法。本文设计了步态感知反馈的层次模型,通过分析单个电机的PWM调速特性与PID控制算法,将步态感知反馈模型与多电机协同控制结合,以实现对下肢外骨骼多关节的协调控制。最后通过分析多电机系统中各电机响应时间与系统响应时间,验证了基于步态感知反馈模型的多电机闭环控制对下肢外骨骼多关节协调控制的可行性。