在康复过程中,根据肌肉力大小确定确定主、被动康复方式和添加的辅助力或者负载的大小,完成康复方案的具体制定。而在屈肘运动的肌肉力相关研究中,通常以手部抓举负载重力大小作为肌肉力大小的评估指标,但是实际屈肘运动的力学效应是由整个上肢肌肉群共同提供,并不是由肱二头肌单独提供,而且肘关节屈曲角度的变化也会引起各块肌肉分担率的变化,因此,此种方法是不准确的。而且现有的康复效果评估方式,一直在肌力评估问题上,欠缺一个量化准确的评估指标。针对上述问题,本文旨在研究一款根据sEMG和上肢位姿状态在线预测肱二头肌肌肉力的模型,并根据肌肉力预测模型搭建肌肉力康复效果评估系统。首先,构建人体肌肉力分析单元。利用AnyBody软件建立个性化人体模型,将哑铃负载模型导入软件中与人体模型相结合构成交互模型,设定驱动使交互模型完成人体上肢屈肘运动,对其进行逆向动力学分析,获取了不同位姿状态下的肱二头肌肌肉力数据。然后,完成基于改进随机森林的肌肉力预测模型的搭建。以sEMG的积分肌电值、均方根值、平均功率频率和中值频率、关节角度信号为特征值构建自变量特征矩阵,以肌肉力分析单元导出的肌肉力数据为因变量,采用改进随机森林模型建立二者之间的非线性映射关系,完成肌肉力预测模型的训练。通过与BP神经网络模型预测效果的对比,验证了基于改进随机森林建立的肌肉力预测模型的有效性和准确性。最后,在PC端建立肌肉力康复效果评估系统。将训练完成的肌肉力预测模型搭载到肌肉力康复效果评估系统中,在人体做屈肘运动时,在线预测肱二头肌肌肉力大小并对其康复效果做出评估。通过实验,验证出肌肉力康复效果评估系统在线预测肌肉力的准确性以及康复效果评估的可用性。研究结果表明,在AnyBody生物力学软件的辅助下,利用sEMG和关节角度信号可以准确完成肌肉力的预测,本文完成的肌肉力康复效果评估系统不仅可以对肌肉力数据进行在线预测,也可以对人体屈肘运动的肱二头肌肌肉力康复效果做出评估。