人体下肢体外骨骼是一种智能的辅助设备,它能跟人体下肢有机的结合起来,增强人体的运动能力,在民用和军用市场上都有很好的应用价值。下肢外骨骼可以辅助残疾人行走,扩展下肢的运动能力,极大的方便其日常生活,也可以帮助士兵减轻他们的下肢肌肉受力,增加负荷,提高他们的忍耐力。sEMG是大脑意识的直接反应,将sEMG作为下肢体外骨骼的控制信号源,将得到更加灵活智能的控制效果。本文通过获取人体下肢sEMG和运动信息,对路况和自身的疲劳程度进行识别,根据不同的路况信息,自适应输出关节角度。这其中包括了两方面内容：第一是需要解决下肢体外骨骼与人的信息耦合问题,能否有效的识别人的运动状态；第二是需要解决人体下肢体外骨骼关节角度自适应输出的问题,也就是要根据不同的步态及时调整外骨骼的关节角度,使外骨骼像人一样行走。本文在sEMG信号模式辨识及多路况关节角度输出方面进行了研究,研究内容可归纳如下：(1)本文首先采用EMD和小波联合去噪的方式对肌电信号进行滤波处理,sEMG具有周期性,利用移动窗单门限多闽值技术获取起始和结束位置,然后进行特征提取,为了选出较好的特征,本文引进一种基于动态相关性和冗余性分析的前向特征选择方法,提高了已选特征子集在未知数剧的分类性能和泛化能力。(2)传统分类器BP或RBF采用梯度学习算法,训练时间比较长,本文引入ELM算法,该算法学习速度快,泛化性能好,适合在线学习。针对在实际过程中样本本不可能全部得到,可能会随时间环境发生变化,本文采用OS ELM在线极限学习机进行在线学习,来适应不同的环境变化。同时为了进一步提高精度,本文采用集成在线分类器,提高了实验精度。(3)下肢外骨骼辅助人行走需要根据不同步态和外界路况信息输出关节角度,本文采用基于粒子群优化的模糊神经网络进行建模,建立了路况信息、步频和髋关节膝关节的角度映射,解决了不同路况下的步态规划问题。该方案应用到智能下肢外骨骼中,可以作为一种在线的步态规划方法,也可以作为调节髋、膝关节的一种准则模型。