我国下肢运动障碍人群基数大,并且随着我国人口年龄结构的转变,人口老龄化、空巢化形式日趋加重,针对下肢运动障碍人群的照料和护理问题变得日益突出。下肢外骨骼机器人能够显著提高下肢功能衰退人群的运动能力和生活质量,是解决下肢运动功能障碍康复、助行和老年人行走助力问题最具潜力的途径之一。下肢外骨骼机器人是以人为核心的人机协同智能系统,其需要充分感知和认知穿戴者的运动意图并执行合适的辅助策略才能使得人机相互协同,达到助力助行的目的。目前商业化外骨骼机器人正逐步由试验样机走向产业应用,但是,由于其并未充分感知穿戴者运动意图,因而提供的协同辅助策略较为粗糙。肌电和脑电这类生物电信号能够反映出穿戴者的原始运动意图,是实现自然人机交互的重要途经。但将生物电信号应用于外骨骼机器人协同控制的研究相对较少,亟待进一步开展研究。在截瘫助行下肢外骨骼机器人方面,多采用固定预设步态,通过长期训练,实现穿戴者与外骨骼机器人协同配合。在助老助力外骨骼机器人方面,以固定力矩辅助方式为主,人机协同控制策略具有明显的固化性、时滞性以及功能单一性,难以自适应地与穿戴者协同共融,进而难以实现自由行走、自适应助力、多场景适用等功能。为解决以上人机协同存在的共性问题,本文针对截瘫助行和助老助力外骨骼分别设计了人机协同控制框架,并对其涉及的行为意图认知、协同规划策略进行了如下研究:(1)在人体运动意图识别方面,将表面肌电图(Surface Electromyography,sEMG)与脑电图(Electroencephalogram,EEG)信号应用于下肢外骨骼机器人,分别构建基于sEMG和EEG的人机接口。在应用sEMG信号方面,设计了基于上肢sEMG信号的截瘫助行外骨骼人机接口。该接口利用穿戴者上肢运动与外骨骼机器人动作的协调关系,结合sEMG信号和外骨骼机器人运动状态,识别穿戴者的起立、行走、停止意图,替代按钮式触发,实现自然人机交互,增强人机协同性能。在EEG应用方面,设计了一种基于独立成分分析通道选择的空间滤波器,用于去除所采集EEG数据中眼电、心电等噪声。最终,基于滤波后的信息识别穿戴者启动和停止意图。(2)在运动规划和协同方面,针对截瘫助行下肢外骨骼机器人提出了一种面向4自由度欠驱动截瘫助行下肢外骨骼机器人的重心自主转移控制框架和步态规划方法,以在减少外骨骼机器人与穿戴者协同运动技巧难度的同时增加安全性。通过设计人-机动作解耦合的状态机协同控制框架,减少穿戴者与机器人动作耦合带来的相互影响。设计基于倒立摆模型的在线步态规划方法和优化方法,用以生成能够满足外骨骼机器人机械电气限制的安全步态。通过开展仿真模拟、正常人穿戴实验和残疾人穿戴实验对上述方法的有效性进行了验证。(3)在人体步行特征认知方面,针对助老外骨骼机器人比较了三种仅基于角度传感器的离散步态相位识别方法,提出了一种面向多行走任务的连续步态相位估计框架。在离散步态识别方面,研究了不同穿戴者行走步态的差异,引入核递归最小二乘算法构造离散步态识别模型,并与常用的基于多层感知器神经网络和基于支持向量机的离散步态识别模型进行比较。在连续步态相位识别方面,设计了一种基于自适应振荡器网络的连续步态相位估计器用于估计多行走任务下的连续步态相位,解决了传统自适应振荡器在步态任务切换时不收敛或收敛缓慢的问题。考虑到在多行走任务中传感器的稳定性和简洁性,步态任务分类器仅利用髋关节的角度作为传感来源,用实验验证了所提方法的效果。综上所述,本课题面向助老助残下肢外骨骼机器人,对协同控制问题涉及的自然人机接口、协同规划策略和行为意图认知三个方面进行了研究,完成了基于脑肌电的自然人机接口,设计了人机协同步态规划方法并建立了行走步态相位识别模型,为增强下肢外骨骼机器人协同控制效果提供了基础。