外骨骼机器人作为穿戴式辅助设备,在越来越多的领域得到应用,人们对其安全和效率等方面的要求也越来越高,因此研究外骨骼机器人安全高效的人机交互(pHRI)控制策略有着十分重要的意义。本文以外骨骼机器人为研究对象,采用人机交互模式,提出一种基于示教学习(LfD)的分层控制策略。控制策略由两层组成,低层的运动控制方案使得外骨骼机器人能够顺应人的运动,实现安全的人机交互。高层基于LfD的策略可使机器人自主协助人完成交互任务,仅在人需要帮助时才给予助力。本论文的主要研究内容概括如下:(1)针对外骨骼机器人的反向驱动问题,提出一种带有内部位置控制器的导纳控制方案。针对人机交互过程中机器人非对称物理约束和动力学模型中的未知项,基于非对称屏障Lyapunov函数(ABLF)自适应神经网络(NN)控制器,设计导纳控制的内部位置控制器,从而解决机器人系统的非对称输出约束问题,避免了逆运动学求解过程。(2)提出外骨骼机器人基于LfD的分层控制策略。该控制策略以基于ABLF自适应NN控制器的导纳控制方案作为低层运动控制方法。同时为了实现高层次的交互,本论文提出一种从示教中学习人类技能的控制策略。该策略由示教、学习和再现三个阶段组成。示教阶段,机器人观察记录示教者如何成功地执行特定的交互任务;学习阶段,机器人利用高斯混合模型(GMM)来学习和编码示教阶段记录下的数据;再现阶段,机器人利用学习后的GMM,结合高斯混合回归(GMR)算法预测辅助力。为了提高策略的泛化能力,本论文扩展任务参数化高斯混合模型(TP-GMM)并将该模型与提出的方法相结合,使得交互运动轨迹可以收敛到新的目标点。本论文所提策略在上肢外骨骼机器人平台上进行实验验证。实验结果表明了所提方法的可行性和实用性。研究结果可应用在医疗康复训练,降低物理治疗师的工作强度,实现患者的主动康复训练。