下肢助力外骨骼机器人是一种可穿戴式设备，它的出现使得穿戴者增强在负重行走、托举搬运和边检巡逻的运动技能，其作用主要在穿戴者展现自身运动动作时，无阻碍增强穿戴者的耐力、提高穿戴者的负重能力、保护穿戴者运动肢体，进而，提高穿戴者的工作效率或战斗力。下肢助力外骨骼机器人可以在人体运动的同时有机融合人体的下肢和上身部分，这种可穿戴设备通常由两条拟人化机械腿、相应的支撑连接设备以及配套的软硬件设施等组成。本文致力于研究下肢助力外骨骼机器人控制系统的人机共融策略，从而提高下肢外骨骼机器人与穿戴者共存融合的能力。
　　首先，基于人体生物工程学和人体解剖学，详细地分析了人体下肢关节运动和人体正常步态行走的特点。基于拉格朗日方程，对下肢助力外骨骼机器人的站立相和摆动相分别进行动力学建模。基于混杂自动机理论，给出下肢外骨骼机器人混杂动力学系统模型。设计了柔性关节外骨骼机器人、轻型下肢外骨骼机器人和重型下肢外骨骼机器人的控制系统。
　　其次，设计了稀疏高斯过程的交互模型和周期运动的中枢模式发生器。根据策略改进和路径积分理论，以及协方差矩阵自适应策略，提出了基于人机交互的增量式轨迹基元学习算法Efficient PI2-CMA-ES，并给出了底层控制器的权重参数的更新方法，进而提出了一种下肢助力外骨骼机器人位置环的轨迹基元在线增强学习人机融合策略。
　　再者，根据隐马尔可夫模型和分布式高斯过程，建立了用来辨识系统的空间变量的分布式高斯滤波和平滑的隐状态模型，结合在线增强学习的(1+1)-CMA-ES算法改进灵敏度放大控制算法，使得灵敏度放大因子可以自适应更新学习，测试了四种数据融合算法并搭建了完整的分布式框架，进而提出了一种下肢助力外骨骼机器人力矩环的灵敏度概率人机融合策略。
　　最后，建立了单关节串联弹性驱动器模型。根据串联弹性驱动器可感知外部力矩的特点，人体与下肢助力外骨骼机器人的交互将被视为扰动，并经由扰动观测器来补偿。通过设计Q滤波器提高系统的鲁棒性，结合模型预测控制，提出了一种针对下肢助力外骨骼机器人串联弹性驱动器的基于扰动观测器的模型预测人机融合策略。另外，根据内模控制的特点，通过分布式高斯过程在线学习的方法建立了局部准确的内模模型。根据在线的数据流入和流出，保证了局部内模模型的准确性和实时性。从而提出了另一种针对下肢助力外骨骼机器人单关节串联弹性驱动器的自演变内模模型人机共融策略。