随着世界人口老龄化的加剧,脑卒中患者日益增多,使用康复机器人辅助脑卒中患者运动神经的康复成为了一种有效的手段。将康复机器人与现代医学相结合,利用康复机器人代替物理治疗师辅助患者患肢的康复已成为国内外研究的热点。本文针对人体上肢的结构,设计了一种三自由度(Three Degree of Freedom,3-DOF)上肢康复机器人。它能够辅助患者模拟上肢运动,对上肢运动功能有障碍的患者实现康复性治疗。考虑上肢康复机器人动态系统的复杂特性,本文以迭代学习控制(Iterative Learning Control,ILC)为控制理论基础,研究3-DOF上肢康复机器人在康复训练过程中的轨迹跟踪问题,最终实现上肢康复机器人稳定的、快速的、准确的跟踪康复训练轨迹。主要开展工作如下:1)首先介绍了上肢康复机器人在现实生活中的应用前景以及国内外研究现状。对当前应用于康复机器人的控制算法进行了详细的描述,并且分析各类控制算法的优缺点。2)利用Proe软件建立了3-DOF上肢康复机器人的虚拟样机,对上肢康复机器人的结构进行分析,采用D-H法得到了系统的正/逆运动学方程,然后通过Matlab建立了3-DOF上肢康复机器人的三维运动学模型。另外,为了实现对康复机器人的有效控制,采用拉格朗日方程法建立了上肢康复机器人的动力学模型。3)基于指数变增益ILC的上肢康复机器人轨迹跟踪控制研究。首先介绍了迭代学习控制的原理、开闭环控制以及基本的P型、D型、PID型控制律。考虑到固定增益的ILC学习速度较慢的问题,设计了一种闭环指数变增益D型ILC控制律并进行了详细的收敛性分析。以3-DOF上肢康复机器人为被控对象进行轨迹跟踪控制,Matlab仿真实验结果表明,与固定增益的ILC算法相比,闭环指数变增益D型ILC在上肢康复机器人轨迹跟踪过程中具有快速的学习速度。4)基于初态学习的上肢康复机器人指数变增益ILC轨迹跟踪研究。考虑到迭代学习控制每次运行需要系统的初始状态保持一致或为期望的初始状态。但是,在实际的康复训练过程中往往存在初态误差,很难保持系统的初始状态为期望值。所以将初态学习控制引入到迭代学习控制策略中,设计了一种基于初态学习的指数变增益ILC控制律。通过严格的算子理论证明被控系统的收敛性,然后利用Matlab对3-DOF上肢康复机器人进行轨迹跟踪控制仿真实验。实验结果表明,基于初态学习的指数变增益ILC解决了迭代学习控制严格要求初始状态固定的问题。同时采用指数项增益,康复机器人在轨迹跟踪过程中可以稳定的、快速的跟踪期望轨迹。5)基于不确定扰动的上肢康复机器人自适应迭代学习控制(Adaptive Iterative Learning Control,AILC)轨迹跟踪研究。在迭代学习控制策略中,可以有效的解决系统数学模型不精确、干扰为重复扰动的问题。但是当患者出现痉挛扰动以及外界不确定性扰动时,控制效果不够理想,所以设计了一种改进的AILC控制律。改进的AILC可以对系统的未知扰动进行在线-实时的估计与补偿,同时也可以对控制输入进行迭代学习。通过李雅普诺夫复合能量函数证明了系统的收敛性。将所提出的控制算法进行轨迹跟踪控制Matlab仿真实验。仿真实验结果表明,与传统的AILC算法相比,上肢康复机器人在改进的AILC控制律下不仅可以克服不确定性扰动,还可以快速的跟踪期望轨迹,提高了系统的控制品质。