外骨骼机器人是一种可穿戴机械式结构,它将人的智能与外部机械能量结合在一起,保护人体免受外界伤害,给人体提供额外的动力或能力,增强人体机能,同时提高人体的机动力和耐力。近年来,该技术得到了士兵作战、助老康复、航天载人、武警防爆等许多领域的广泛关注,纷纷投入大量人力物力展开深入研究。与此同时,人体运动意图的精密感知识别,不但能够帮助人们掌握人的精神状态、身体状态和工作需求等,而且更重要的是为这些领域研制外骨骼机器人,使外骨骼机器人与人体共融,实现人机协同控制,更好地服务于人的功能需求带来了可能性。本论文将结合有关国家科研项目的研究内容,仅以士兵、航天员或老年人等用的下肢外骨骼机器人为应用对象,深入研究人体下肢运动意图的脑肌多源感知策略和方法。其主要的研究工作及所取得的有意义的研究成果包括以下几个方面。1)人体下肢典型动作分析及其多源感知策略研究。下肢外骨骼机器人在执行任务中,为保证在遇到复杂的地形、多变随机的任务时,人机间的耦合性和动作的高随意性切换,不仅要基于典型步态规划程序驱动执行特定的下肢动作,还需要实时的感知人体下肢的运动,并对运动模式进行识别,进而才有可能实现下肢外骨骼机器人与人体协调运动。故本文在分析常见的下肢动作模式基础上,提炼出常见的下肢六种动作模式作为后续研究基础的,同时研究出基于脑电预先感知、肌电精细感知和光纤形变感知的多源信息感知方法,在机器人控制中强调了人的智能,以期推进下肢外骨骼机器人的实用化。2)人体下肢运动意图的脑电预先感知方法研究。针对下肢外骨骼机器人的感知需要,研究了人体下肢运动意图的脑电信号检测识别分析方法。通过实验采集了人体下肢六种想象运动的C₃、C₄通道的脑电信号,并对C₃、C₄通道的脑电信号进行了降噪预处理,再运用小波变换对预处理后的脑电信号进行了分解,提取了小波系数均值和能量值共同对信号的特征值进行表征。在特征提取后,采用了最小二乘支持向量机对其进行了识别分类,并得到了人体下肢六种想象动作模式平均分类识别率为66.11%的识别率,达到了脑电预判感知的目的。3)人体下肢运动意图的肌电精细感知方法研究。深入分析人体下肢动作的产生机理,选择股直肌、股内侧肌、股二头肌和腓肠肌四块肌肉作为表面肌电信号的测试对象。拾取人体下肢四块肌肉的表面肌电信号,以其为研究对象。针对人体下肢表面肌电信号的多动作模式识别问题,研究了基于小波变换的特征提取方法和基于PCA的特征降维方法,建立了面向下肢外骨骼机器人的表面肌电信号的多类最小二乘支持向量机模式识别模型,并对其参数进行了优化讨论。结果表明,所选的特征表征方法能够从不断变化、复杂的肌电信号中提取出代表人体下肢特定动作的特征向量,而且所选的优化的多类最小二乘支持向量机分类器对代表不同动作的特征向量具有理想的分类效果。4)人体下肢运动意图的的光纤形变感知方法研究。根据下肢各关节的结构以及运动机理,分析了各关节的运动特性,深入分析下肢的运动规律,选择膝关节角度为感知人体下肢运动的测点,选择光纤角度传感器测量膝关节角度并构建了光纤形变感知人体下肢运动测量系统,基于上述的膝关节运动的光纤感知结果,再利用分形维数来表征下肢的运动特征。将分形特征值矢量带入到设计的支持向量机中去,利用支持向量机对下肢各模式下的数据样本进行模式识别,采用网格搜索和交叉验证算法对分类器参数进行优化,将人体下肢运动识别为走、跑、上斜坡、下斜坡、蹲和起等几种运动模式,识别率可达到95%。5)脑肌多源精密感知系统构建及其信息融合方法研究。脑电信号是所有感知方法之中最快速的一种,可预先感知,在预测人体运动方向方面,能较好的摆脱数学模型的束缚;肌电信号感知方法已有较为成熟的理论和实验基础,能较为准确和快速地识别人体下肢动作模式;光纤形变感知系统具有高度的测量精确性以及较短的反应时间,能及时获取人体膝关节角度及肢体的位置与姿势,且光纤形变系统对数学模型有着更小的依赖,从而得到更可靠且完善的数据。为此,本文围绕下肢外骨骼机器人的人机协同控制需要,在上述脑电、肌电和光纤三种人体运动意图感知方法研究的基础上,在实验室搭建了集脑电、肌电和光纤检测于一体的人体下肢运动意图脑肌多源感知系统,研究了其多源信息融合的方法。最后,通过实验研究表明,所构建的人体下肢运动意图脑肌多源感知系统及其基于信息融合的脑肌多源精密感知方法是有效的,可以用于人体下肢外骨骼机器人的人机协同控制。