下肢外骨骼机器人是一类将人体和外部的机械结构相匹配组成的可穿戴式机器人。它涉及生物运动学、机器人学、信息科学、人工智能等学科知识,这个装备可以提供额外能量协助人体完成仅仅靠自然力量无法完成的动作。近年来外骨骼机器人的研究日益增加,外骨骼机器人能在一定程度上为穿戴者提供相应的辅助力和支撑力,外骨骼已经在很多领域方面得到应用。外骨骼机器人的控制信号一直是研究的重点问题,表面肌电信号(sEMG)可以更加容易获取人体的运动意图,能够实时感知人体运动生理状态的变化,基于sEMG控制的下肢外骨骼在康复医疗领域有着重要的应用价值,将其应用到下肢外骨骼中将会对外骨骼的控制起到重要的作用。本文在研究表面肌电信号的同时将足底压力信号和惯性信号引入到下肢外骨骼中,进而本文的研究内容主要包括:基于下肢多源信息的步态模式分类、基于PSO-ELM步态模型的建立和下肢平衡策略分析等问题。本文通过采集下肢表面肌电信号、足底压力信号和惯性信号,分别对这三种信号进行滤波处理和特征提取,然后针对每种信号的特征选择合适的核函数,并对核函数进行参数寻优,得到最优的核函数组合,利用多核相关向量机(MKRVM)进行下肢步态模式的分类,虽然训练时间和识别时间较单核RVM稍多,但是多核相关向量机综合了多源信息的特征,具有更高的识别率。在下肢外骨骼识别出不同的步态模式后,接下来需要根据步态模型的输出调节相应的关节角度、角速度等来满足当前的行走状态。本文采用基于粒子群优化极限学习机的方法建立步态模型,分别采用表面肌电信号的特征对平地行走的膝关节和髋关节角度以及膝关节和髋关节的角速度进行建模和预测,并对肌电-角度模型和肌电-角速度模型进行了对比分析。在下肢外骨骼的研究中,平衡控制中关节力矩的研究对于外骨骼的稳定行走和平衡恢复起了关键的作用,本文把表面肌电信号引入到下肢平衡策略的分析中。并针对踝关节平衡策略和迈步平衡策略分别进行模型简化,并求得相应的关节力矩,最后结合sEMG和角度信号对关节力矩进行预测,进而为肌电平衡控制奠定了理论基础。