近年来,由于我国步入老龄化社会,造成脊髓损伤（Spinal Cord Injury,SCI）患者人数逐年增多,该类患者的特征为下肢运动功能障碍、无法站立甚至生活难以自理。虽然多数下肢损伤不会造成生命危险,但是需要长时间的康复治疗。康复机器人具有客观性、无疲劳性及训练强度可靠等特点,目前已经成为康复治疗的必要辅助手段,因此研究康复机器人下肢外骨骼对下肢运动损伤患者具有重要的现实意义。本文以省级重大专项作为依托,对康复机器人下肢外骨骼运动控制策略进行研究,其主要研究工作如下:（1）建立康复机器人下肢外骨骼系统的数学模型。分析人体下肢结构与运动特征,采用D-H法得到下肢外骨骼系统各个关节的空间位姿参数,对康复机器人下肢外骨骼系统进行运动学分析。采用拉格朗日法进行动力学分析,建立康复机器人下肢外骨骼系统的数学模型,得到各关节的驱动力矩与运动周期的曲线关系,为深入研究康复机器人下肢外骨骼运动控制策略奠定基础。（2）康复机器人下肢外骨骼运动控制策略。计算力矩法作为传统的下肢外骨骼运动控制算法,虽然在机器人领域应用较为广泛,但是其算法的控制效果依赖于系统模型的精确度。由于实际应用中无法得到精确的系统模型,因此计算力矩法在实际应用中控制效果一般。针对这一问题,选用不依赖于系统精确模型的迭代学习控制算法。设计了下肢外骨骼系统的闭环PD型迭代学习律,证明其收敛性并给出收敛条件,仿真结果表明,随着迭代次数的增加,下肢外骨骼系统在闭环PD型迭代学习控制下,关节角度的轨迹跟踪误差比计算力矩控制下的误差要小,表明迭代学习控制效果优于计算力矩控制效果,能够实现高精度跟踪期望轨迹的目标。（3）基于带初态学习的康复机器人下肢外骨骼运动控制策略。由于实际情况中下肢外骨骼系统无法保证与期望轨迹初态相同,而且传统迭代学习控制算法无法消除初态偏移的影响,导致在存在初态偏移时下肢外骨骼系统的输出无法跟踪上期望轨迹。针对这一问题,采用带初态学习的迭代学习控制算法。在原有闭环PD型迭代学习律的基础上,增加对初始状态误差的学习。设计带初态学习的闭环PD型迭代学习律,基于算子理论给出其收敛性分析,仿真结果表明,随着迭代次数的增加,系统输出曲线的初值与目标轨迹的初值之间的偏差越来越小,表明改进算法能够对初始误差进行修正,放宽了初始条件的严格性,进而实现对期望运动轨迹的完全跟踪。但是系统收敛速度却降低了,针对这一问题,设计了带初态学习的指数变增益PD型迭代学习律,仿真结果表明,指数变增益迭代学习控制比PD型迭代学习控制的初态收敛速度快,能够提高系统跟踪的收敛速度。