人体运动过程的关节力矩解算是人体运动力学研究领域的重要组成部分,获取准确可靠的关节力矩值对于医疗诊断、康复训练、人机交互等领域的发展具有极其重要的意义。柔性可穿戴助力机器人是近年来人机交互领域的重要分支,主要目标是对人体运动提供有效助力,减少运动中的能量代谢消耗。其对人体的辅助,在本质上是力矩的辅助,因此通过人机交互设备获得下肢关节力矩曲线作为助力策略参照在柔性可穿戴助力设备研究中是一意义非凡且极具挑战的研究课题。面向柔性可穿戴设备助力策略参照这一应用背景,本课题预期提供一种非实验室环境下的稳定、准确、可在线优化的下肢关节力矩解算方法。论文主要研究内容可归纳如下:1)分析现有对下肢关节力矩解算方法的优点及不足,论述神经肌肉骨骼模型主要组成部分。根据生理学依据为模型添加基本假设,建立人体正常步态下的简化神经肌肉骨骼模型,建立表面肌电信号向肌肉力的映射关系,并讨论主要影响参数。2)提出面向正常步态相位划分任务的单电极表面肌电信号解码方法。论述表面肌电信号的构成方式及肌肉协同作用,利用滤波及非负矩阵分解等方法对表面肌电信号解码以获取控制肌肉协同方式的脊柱神经单元激活。提取脊柱神经激活的空间及时间信息,建立分类模型,对步态相位进行划分。3)引入非着地态逆向动力学关节力矩解算方法,建立生理融合模型。同时建立模型生理参数估计LSTM网络,进一步提高模型精度。4)利用贝叶斯优化网络对融合模型参数及模型输入系数进行辨识,提高步态相位划分精度,调整LSTM网络超参数。提出在线更新优化方法,并验证模型在单步态、多步态、在线行走等状态下的准确性。本文主要贡献在于解决了神经肌肉骨骼模型在线无法更新优化问题,提出了一种可实际应用的关节力矩解算方法,提高了正常步态下肢关节力矩多步态估计的准确性。其中提出一种新型的向中枢神经系统命令映射的表面肌电信号解码方式,提高了利用表面肌电信号对下肢步态相位划分的准确性。为柔性助力设备助力策略提供了一种更有效的参照。