随着我国人口老龄化问题的加剧,由于各种疾病或人体机能减弱导致下肢活动不便的老人数量不断增加。于此同时,我国还存在大量的残障人群,其中存在大部分下肢瘫痪或者偏瘫人群,生活无法自理,需要大量的医护人员看护照料。为了解决相关领域专业人员短缺和人力成本问题,我国开始重视依靠先进服务机器人技术来保障和改善人民的健康,下肢外骨骼机器人能显著提升下肢功能障碍人群的运动能力和生活质量,研究面向助老助残的外骨骼机器人对减轻家庭和社会负担,促进社会和谐有重要的社会意义和经济价值。目前我国外骨骼技术还在研发阶段,还没有成熟的商业应用,外骨骼与人的耦合性能仍有不足。为了解决该问题需要对人机认知交互进行充分研究,意图识别是人机认知交互的研究热点。针对我们现有的外骨骼机器人与人的物理交互方式,按键控制外骨骼机器人运动的模式操作复杂和可持续操作性差的问题,本课题基于人体的一种生物电信号—肌电信号,开展对肌电信号意图识别并结合有限状态机控制外骨骼机器人运动的控制模式研究。肌电信号意图识别和外骨骼步态规划是本文的两个主要研究点。本文设计根据手臂动作控制下肢外骨骼运动的策略。实验采集人体手臂不同动作下的肌电数据作为分类训练样本,对数据按照滤波,特征提取和筛选的流程处理后,采用SVM和LDA模型作为分类器用于意图识别,离线实别准确率达到97%以上,并选用对样本数量依赖较小的SVM模型作为在线分类器。在外骨骼的轨迹规划方面,分析了下肢外骨骼的运动学模型,分别从工作空间和关节空间对常规步态轨迹规划。最终外骨骼的动作模式是根据基于机器人关节角度空间设计的轨迹,这种方法可避免运动学逆解出现奇异解,保证关节速度和加速度的连续性,还可根据少量的途经点的设置快速方便地修改预设轨迹。最终,在线实验中建立意图识别结合场景有限状态机的控制模式,降低手臂动作分类数量,识别率提高到98%以上,实现外骨骼机器人稳定自主的运行,提升人机交互的安全性和使用体验。