近年来,随着科学水平的进步和生活品质的提高,人们对医疗康复手段提出了安全、精准、高效及低成本的要求。对于脑卒中和肢体损伤造成的偏瘫及运动功能障碍,传统的依赖经验的人工辅助康复手段已经无法满足上述需求。而伴随着轨迹精确可重复、辅助任务安全可调节、康复成本低廉可持续等特点,康复机器人的出现完美的契合了当今康复医疗领域的发展趋势。在康复机器人技术快速发展的同时,许多挑战也随之而来,如训练任务的安全特性,重复训练过程中患者的体验,以及不同康复阶段康复策略的设计,都对最终的康复效果有着重要的影响。针对康复机器人在患者不同康复阶段的训练任务需求,为实现康复机器人在被动康复过程中对训练轨迹的精确跟踪,以及主动康复过程中机器人柔顺度和训练任务的渐进调节,本文以气动肌肉驱动的并联康复机器人为对象,开展了如下研究工作:(1)针对气动肌肉自身非线性强、建模困难的特点,以训练轨迹精确跟踪为目的,研究基于I/O数据驱动的无模型自适应控制。在此基础上,针对训练过程中重复运动的特性,研究无模型自适应迭代学习控制方法,以实现期望轨迹的渐进跟踪。为了提高算法的收敛速度,提出高阶参数估计的无模型自适应迭代学习控制方法,加速参数迭代估计的速度从而提升算法的收敛性。(2)针对被动康复过程中,患者肢体负载、传感器接触摩擦对系统造成的负载扰动和测量扰动,采用统计方法分析扰动对于系统输出的影响。以抑制扰动为目的,研究具有扰动抑制功能的内模控制原理,在此基础上提出基于内模控制的无模型自适应迭代学习控制方法,对被动康复过程中的扰动具有较好的抑制效果。(3)针对主动康复过程中患者对于机器人理想柔顺程度的需求变化,研究基于迭代学习的康复机器人阻抗控制方法。在此基础上,研究对患侧踝关节运动能力的评估方法,根据不同的运动能力水平相应的调节任务难度,实现康复任务难度的自适应调节。