外骨骼通过为穿戴者下肢关节提供辅助力矩以降低其代谢成本。随着关节电机、可穿戴式传感器的发展,助行外骨骼的应用愈发广泛。助行外骨骼采用识别并预测穿戴者的步态以使其运动超前于人体的策略完成主动助力。助行外骨骼主动助力策略的研究仍存在较为突出的问题:假定人体行走时双侧下肢的运动关于矢状面是对称的。然而,诸如环形行走和一步转弯等非直线步态在生活中占比极高且不可忽视。非直线步态中下肢潜在的非对称性会使得外骨骼基于对称性假设的主动助力策略效果降低,甚而干涉穿戴者的运动产生跌倒的风险。因此,为提高助行外骨骼的适用范围,本文以进一步降低人体在直线和非直线行走时的代谢成本为目标,围绕下肢肌肉激活特性、外骨骼步态识别及预测、外骨骼直线及非直线主动助力策略等关键问题展开研究。论文首先针对人体在直线及非直线步态下的运动学及肌电特性进行分析,为建立针对直线及非直线步态的外骨骼步态识别、预测算法及主动助力策略提供理论依据。通过建立包含直线及非直线水平行走步态的人体运动及肌电特征样本库,分析落足点轨迹以确定需要进行主动助力的步态模式,为开展步态识别及预测算法奠定基础;分析人体下肢各关节在直线及非直线步态中的运动学对称性,基于对称性分析确定主动助力的目标关节;分析人体在直线及非直线步态中的肌电特性,基于下肢各肌群的激活特性确定需要主动助力的肌群;结合运动学及肌电特性分析结果,构建下肢助力肌群的激活特性与步态事件间的时序关系,为开展主动助力相位研究奠定基础。步态在线识别及预测是外骨骼运动超前于穿戴者并提供主动助力的基础。为此,本文通过因子分析法提取与区分直线及非直线步态模式及其所包含的步态事件高度相关的运动特征;结合提取的运动特征构建基于似然估计的贝叶斯推理系统以实现步态的识别;为提高识别算法的精度,开展贝叶斯推理系统的高精度决策方法研究;为使算法具备预测步态模式切换的能力,开展基于过渡步态模式识别的步态模式预测算法研究。通过基于可穿戴式惯导的步态在线识别及预测实验,对算法的有效性进行论证。论文基于前两项研究进一步开展了外骨骼对直线及非直线步态的主动助力策略研究,力求通过独立规划非直线步态中内外侧下肢的主动助力幅度、相位降低人体的代谢成本。本文首先构建了依据步态识别及预测结果的外骨骼主动助力控制框架。在这一框架下,首先构建基于穿戴者步频及相位的关节力矩在线估计方法解决外骨骼的主动助力幅度规划问题。进而构建基于步态模式预测的外骨骼主动助力策略调整方法解决外骨骼主动助力相位规划问题。最后,建立外骨骼高精度动力学参数辨识方法解决外骨骼对控制器规划的助力曲线的复现精度问题。外骨骼主动助力仿真分析及实验论证了所提出方法的有效性。为论证本文所提出的基于肌肉激活特性的外骨骼主动助力策略的有效性,开展了外骨骼主动助力综合性能实验研究。实验分别对外骨骼的步态在线识别及预测算法性能、主动助力效能进行了检验。一方面,通过统计外骨骼在穿戴者进行直线及非直线行走时的识别及预测精度与速度对步态在线识别及预测算法的效果进行检验;另一方面,通过检测多种主动助力策略下穿戴者的耗氧量及肌肉激活度等关键指标,对比分析基于肌肉激活特性的外骨骼主动助力策略的实际效果。通过对实验结果进行量化分析,验证了本文所提方法的有效性。