下肢外骨骼机器人系统是一种对控制性能有要求的机器人系统。本文利用下肢运动周期性设计一款简单、稳定和高性能控制器。这个控制器可以使下肢外骨骼机器人的控制性能得以提升,并且控制算法的自主学习能力加强机器人系统的鲁棒性。在已有研究的基础上,人体下肢运动分析指明人体下肢运动是一种典型周期性行为,人体下肢运动主要由下肢肌肉提供动力,并由希尔模型阐述下肢外骨骼机器人的助力形式及内容。在此基础上分析国内外主流下肢外骨骼机器人的助力形式,为设计助力型下肢外骨骼机器人系统提供理论依据。根据人体下肢的运动特点,设计两款具备周期性学习能力的关节位置轨迹控制器。第一个控制器由改进的迭代学习控制算法构成,它通过在闭环PD型迭代学习控制算法上加入遗忘因子,改善系统对于突发性干扰的鲁棒性。另外它不仅控制效果优越,而且具有结构简单、易编程实现、稳定性高等特点,但是由于它自身的算法结构对下肢轨迹的周期性有较高的要求,适合康复式下肢外骨骼机器人。另一个控制器利用RBF神经网络控制器和PID控制器复合控制机械下肢关节结构,在控制初期主要由PID控制器满足系统的动态性能,而RBF神经网络控制在线学习逐渐提高系统的稳态性能,最终实现系统的高性能运行。最后本文根据下肢外骨骼机器人系统的助力分析确定基于重力支撑的下肢外骨骼机器人关节位置轨迹控制方案,并搭建下肢外骨骼机器人系统关节控制平台。控制平台利用嵌入式计算机作为处理器,通过人体下肢姿态传感器感知当前关节位置轨迹,并且与机械下肢的姿态传感器构成闭环位置控制系统。位置偏差在嵌入式计算机环境下经过控制算法计算得出关节位置控制量,并通过串口将位置控制量写入驱动器,最终驱动下肢机械关节电机运动。