智能仿生腿又称智能下肢假肢。传统的被动式或半主动式下肢假肢由于穿戴以后肢体不够协调、体力消耗大、患者穿戴体验较差等原因，并不能给截肢患者生活带来较大的改变，而主动式仿生腿通过电机驱动等方式直接为下肢关节提供主动力矩，利用各种传感器感知患者运动意图和路况，从而更好地模仿人体健康腿的运动方式，极大改善了截肢患者的生活质量，对其重新融入社会、减轻社会和家庭负担具有重要现实意义。
　　目前，在主动式仿生腿与患者残肢构成的人机混合系统中，还存在：关节驱动缺少被动柔顺，不能根据负载变化实现刚度调节，仿生性不足的问题；不同任务下的步态识别问题；运动意图识别与步态预测准确度问题；人机混合强耦合系统下的关节运动控制问题。为此，本文在关节弹性驱动技术基础上，设计并开发了一种可变刚度的主动式膝关节及其构成的仿生腿，开发了仿生腿控制平台。基于这一平台，重点研究了表面肌电信息在不同步行任务下的步态相位识别方法，同时，进一步结合物理传感器信息，对多模式的运动意图识别展开研究；并提出了一种基于步态轨迹跟踪的自适应鲁棒控制器，用于仿生腿的力/位置控制。
　　本文的主要研究工作和创新点总结如下：
　　1.设计了一个变刚度驱动器(Variable Stiffness Actuator, VSA)用于下肢假肢膝关节，在此基础上，开发了一种主动式仿生腿，包括虚拟样机和原型样机。对变刚度弹性驱动器刚度调节特性进行了理论分析与计算，在动力学仿真分析软件ADAMS中建立了仿生腿虚拟样机，利用仿真模型，重点分析了仿生腿的运动特性和能耗特性，验证了弹性驱动器在柔顺控制和储能方面的有效性。开发了仿生腿硬件控制和软件控制系统，搭建了多源信息采集与控制实验平台。
　　2.研究了基于表面肌电信号的步态相位识别方法，识别出人体步行周期的摆动前期、摆动中期、摆动后期、支撑前期、支撑中期、支撑后期六个子相位，从而为仿生腿的相位控制提供重要信息。从减小运算复杂度出发，提取了肌电信号预处理后的时域、频域特征，利用戴维森堡丁指数(DBI)和分离指数(SI)，对大腿关键肌肉的表面肌电信号特征进行定量的评估和筛选，再利用序列前向特征选择(SFS)算法搜索最优特征集；针对多任务行走下特征样本可分性变弱，识别误差增大等问题，提出了配置并行Stacking集成学习模型，利用不同的基学习器分别对最优特征进行深度挖掘，有效提升了不同行走任务下的识别准确度和算法的泛化能力。
　　3.提出了基于稳定步态识别与过渡状态识别相结合的多级分类器融合策略的人体运动意图识别，识别和预测出平地行走、上坡、下坡、上楼、下楼五种步态，从而为仿生腿的运动模式切换控制提供关键信息。在稳定步态识别中，结合了加速度、角速度、压力等物理传感器与表面肌电信号，分析了不同传感器信号在步态识别的贡献，以及不同降维方式和不同识别算法对步态识别的影响，实验结果表明，由线性判别分析(LDA)降维与二次判别分析(QDA)构成的组合算法的识别率达到了98.2%。在过渡状态识别中，提出应用贝叶斯树结构Parzen估计器优化的LightGBM(Light Gradient Boosting Machine)分类算法，实现了识别准确度和时间最优算法模型。最后，提出构建隐马尔科夫(HMM)概率模型融合稳定步态与过渡状态结果，预测人体运动意图。
　　4.研究了基于步态轨迹的仿生腿控制策略，根据识别的步态信息确定关节运动轨迹，提出一种基于时滞估计(TDE)的自适应鲁棒力/位置控制器用于实现仿生腿的底层控制。针对人机混合动力学模型的非线性、不确定、强耦合等问题，引入了TDE技术，设计自适应非奇异快速终端滑模控制(ANFTSMC)，实现无模型的轨迹跟踪控制，为了减少外部扰动引起的TDE误差，设计了模糊神经网络(FNN)补偿器。在ADAMS和Simulink中建立了仿生腿的联合仿真模型，实验表明所提算法在未知干扰下具有明显优势，利用时间误差绝对值积分(ITAE)和控制输入积分(ISV)指标，验证了算法在仿生腿不同刚度下的良好适应性。进一步地，在ADAMS/Simulink中构建人机混合模型，利用本文所提的FNN-ANFTSMC-TDE方法实现了人机协调的自然行走。同时，在仿生腿样机实验中，进一步验证了变刚度弹性驱动器在柔顺控制与降低能耗上的优势。