随着下肢假肢研究的深入,动力型下肢假肢逐渐趋于智能化。已有的对于动力型下肢假肢的研究,主要集中在步态及路况识别与基本的运动控制方面。然而,对于假肢安全性的研究是实现下肢假肢正常行走的基本保障。因此,对于下肢假肢穿戴者跌倒方面的研究具有重要意义。动力型下肢假肢可以为假肢穿戴者提供动力支持,这使得对下肢假肢穿戴者跌倒保护成为可能。本论文主要从数据采集、跌倒模式识别、跌倒保护策略实现三个方面展开。实现了下肢假肢穿戴者跌倒类型的识别,并在此基础上对不同的跌倒方式下的保护策略在样机上进行了实现。首先,对于下肢假肢穿戴者运动信息的采集是进行跌倒模式识别的基础。本文设计了基于STM32的数据采集装置,用于采集受试者的运动信息,作为进行跌倒模式识别的原始数据源。其次,通过对原始数据滤波及计算,得到人体运动时各关节角度数据,并以此作为数据源,对下肢假肢穿戴者进行跌倒模式的识别。本文主要将跌倒分为绊倒和滑倒两种类型,分别应用D-S证据理论及概率神经网络两种方法进行了识别,得到的识别率分别为80%和95%。通过得出的识别率对比,概率神经网络的识别方法在识别率上要优于D-S证据理论。最后,以步进电机驱动四连杆机构的动力型下肢假肢样机为研究对象,对不同的跌倒模式进行保护策略实现。通过数据拟合得出膝关节角度与驱动脉冲之间的关系,并根据不同跌倒模式下的正常人膝关节角度模板值得出了不同保护策略下膝关节驱动脉冲值。将采集到的下肢假肢模型的膝关节角度值与模板值进行对比,契合效果良好。