外骨骼机器人的研究虽然已有五十多年的历史,但至今也一直处于研发阶段。众所周知,外骨骼机器人在军事领域、医疗领域以及工业领域已有着重要的应用。外骨骼机器人技术是融合传感、控制、信息、融合、移动计算,为实际操作者提供一种具有可穿戴性机械设备的综合技术。因此,为了更好的实现外骨骼机器人的随动控制,应该准确地对人体的步态相位进行识别、对人体运动意图进行实时的匹配,同时由于传感器获取步态信息的过程存在延迟,为了实现实时的随动控制要对步态进行准确的预测。人的步态在行走过程中是呈周期性变化的,其中足底压力信息以及下肢关节角度信息在人体步态分析中是十分重要的。本文首先设计了一套步态数据测量系统,该系统通过RS-485与各个传感器板进行通信,实时的采集人体在运动过程中的步态信息。然后通过对足底压力信息以及关节角度信息的对比发现二者具有一定的相关性,最终确定以足底压力信息为主对步态进行分析与研究。通过对欧氏距离法、阈值法、支持向量机、比例法这四种步态识别方案的对比,本文利用支持向量机采用一对一法对六种模型进行步态识别。本文将人体运动意图主要分为平地行走、上楼梯、下楼梯、上坡、下坡这种五种步态状态,并将用于语音孤立词识别的DTW算法用在此处对人体运动意图的识别当中。然后对DTW算法进行了改进,完成了对人体运动意图匹配的工作。最后设计了插值与BP神经网络两种算法对步态数据进行预测,对步态进行预测能够抵消由于系统的延迟可能造成的外骨骼机器人迟钝等问题,从而能够达到外骨骼机器人实时的跟随人的行为并进行控制。最终实现了对步态相位的识别、对人体运动意图的匹配以及步态数据的预测,实验结果验证了该外骨骼机器人能够准确得实现以上识别、匹配与预测。