近年来,人口老龄化趋势逐渐上升,高龄人群由于自身免疫系统功能下降,极易受到疾病的困扰。其中,脑卒中就是一种极为常见的疾病,患者常伴有肢体麻木、下肢无力、偏瘫等症状,严重地危害着老年人身体健康。因而,对于脑卒中患者的康复治疗已迫在眉睫。传统的康复医疗手段是通过康复医师进行一对一治疗,但存在人员消耗大、康复周期长、效果有限等问题。相比传统的康复手段,下肢康复机器人灵活性更强、康复训练效率更高、减轻了康复医师的负担。但在康复训练过程中,患者存在主动运动意图,会出现机器人与患肢运动不匹配现象,容易造成人机对抗,且目前针对下肢康复机器人的人机交互控制策略研究稍显薄弱,很少考虑实际工况的复杂性,导致康复训练过程中存在着一些安全隐患。本文针对以上问题展开了深入研究,其主要研究内容如下:(1)针对人体下肢人机耦合动力学建模问题。分析人体下肢解剖结构,对其进行合理的简化。此外,在康复训练过程中,患肢与下肢康复机器人之间的交互力不可忽视。本文考虑患肢与机器人之间的交互力,从而构建一个非线性、时变、强耦合、柔顺且安全的下肢人机耦合动力学模型。下肢人机耦合动力学模型的建立为后续人机交互控制器的设计奠定了基础。(2)针对人体下肢多关节连续运动意图识别问题。通过采集下肢相关肌肉的表面肌电(surface Electromyography,s EMG)信号,建立多通道s EMG信号与下肢多关节连续运动量的映射模型,从而有效识别下肢多关节连续运动意图,为患者提供合理、安全的康复训练轨迹。此外,采用神经-模糊修正器在线修正个体差异以及姿态变化对模型的影响,为患者提供安全、舒适的康复训练环境。(3)针对在线求解时变矩阵平方根问题。从控制角度出发,借鉴积分控制思想,提出了噪声抑制归零神经网络模型以及广义噪声抑制归零神经网络模型。通过理论分析,严格证明了所提出模型的稳定性、全局收敛且指数收敛性。最后通过仿真实验,验证了所提出模型具有良好的鲁棒性,为人机交互控制方法的研究提供了算法框架。(4)针对下肢康复机器人人机交互控制器设计问题。结合人体主动运动意图提出了一种归零神经网络控制器。进一步,考虑噪声干扰情况,提出了噪声抑制归零神经网络控制器,提高了控制器的鲁棒性。此外,为避免患者在康复训练过程中受到二次损伤,提出了一种基于归零神经网络的模型预测控制器,有效地约束了下肢康复机器人的运动范围和速率,为患者康复训练提供了安全保障。