随着老龄化社会的到来,下肢运动障碍的患者数量增加,下肢康复机器人得到了广泛研究和应用。本研究主要针对下肢康复机器人康复控制策略进行了深入研究。主要研究内容有:(1)根据康复理论和康复模式、康复策略,提出了一种具有理疗医师指导的康复训练控制系统:主要由人体下肢步态预测模型和自适应控制系统两部分构成。人体下肢步态预测模型主要目的是根据患者运动能力,理疗医师选择合适的步长和步速,输入到步态预测模型,进而得到适宜于患者康复训练的步态模型;步态模型完成了机器人轨迹规划,然后通过自适应控制系统进行康复训练,目的是最大限度的提高患者自身的参与能力,并且通过完成规划好的康复步态,增强患者的肌肉活动度;(2)康复控制系统首先要建立步态预测模型,步态模型不仅与人体生理结构相关,还受年龄、性别等因素影响。其建模相对复杂,难以通过理论推导,因此本文通过实验的方法建立步态模型。采用图像处理技术,通过实验的方法对人体步态进行采集并分析,研究发现傅里叶五阶函数可以很好的描述关节运动规律。又由于步长和步速与关节运动规律间的映射关系难以用一般的数学模型表达,因此使用了广义回归神经网络进行训练,进而得到了步态预测模型,实验证明该步态预测模型具有实用性;(3)在步态预测模型的基础上,为了最大限度提高患者的参与能力和增强肌肉的活动度,提出一种自适应控制策略,采用径向基神经网络学习人机系统下肢的运动能力,并根据位置误差的变化来学习患者的运动能力,并以此为依据提供辅助训练,最大限度提高患者的参与能力。同时为了增强肌肉活动度,要求机器人完成精确的轨迹运动,这就要求保证位置的跟踪性和系统鲁棒性,因此使用了PI滑模控制。通过Lyapunov稳定性理论对自适应控制策略进行了稳定性证明,结果得证;(4)对该控制系统进行了simulink仿真实验,仿真结果表明系统具有很强的鲁棒性,位置和速度跟踪误差小,最大限度的提高患者的参与能力。进一步的需要进行临床实验研究。