近年来,随着中国步入老龄化的时代,受中风疾病造成肢体残障的人群逐渐增多。中风严重危害到患者的身体和身心健康,并给家庭以及社会带来沉重的经济负担。因此,为中风患者提供有效的帮助是当今社会必须面对的重要问题。针对这一问题,本文以下肢康复机器人定为背景,分别从下肢运动意图识别、抗噪型归零神经网络的设计和稳定性分析、基于模型预测控制的被动式康复训练和主动式康复训练三个方面进行研究,解决康复机器人研究中存在的意图准确而高效识别困难、人机交互控制不稳定等问题。本文针对以上问题进行深入研究,主要内容包括如下:（1）针对下肢运动意图识别,首先将表面肌电（sEMG）信号作为意图识别模型的输入信号,并分析表面肌电信号的信息和特征;其次,建立Hill肌肉模型,该模型包含肌肉活跃度动力学模型、肌肉收缩动力学模型和肌骨骼几何,实现对肌肉力和关节扭矩的计算;根据人体下肢骨骼结构,建立下肢刚性骨骼模型,并结合Hill肌肉模型,构建出肌肉-骨骼耦合模型,构建意图识别模型（2）针对时变非线性优化问题,提出一类抗噪型归零神经动力系统,给出一种连续型归零神经网络（ZNN）模型和抗噪归零神经网络（NTZNN）模型。结合单调递增奇激活函数,提出一类广义抗噪型归零神经网络（GNTZNN）模型。从控制角度出发,将NTZNN求解问题转化为非线性控制系统求解问题,通过设计广义PID控制器,实现时变非线性优化问题快速求解。根据Lyapunov稳定性定理,研究该类网络的渐近稳定性和指数收敛性。数值结果表明,所提NTZNN求解时变优化问题是可行的、有效的,为患者运动意图识别奠定理论基础和算法框架。其次,根据ZNN的理论,结合肌肉-骨骼耦合模型,建立出闭环结构的运动意图识别模型,实现人体下肢的闭环运动估计的准确性。（3）针对人机交互控制问题,采用模型预测控制（MPC）,利用三阶Taylor型差分公式线性化/离散化MPC的约束条件,提出一个新的投影积极集共轭梯度算法求解最优控制器。通过严格理论证明算法的可行性和全局收敛性。仿真结果表明人机交互最优控制器可以实现患肢主动/被动康复训练活动。