脑卒中是一种常见的急性脑血管疾病,卒中后大部分患者会出现上肢功能障碍,目前患者功能康复的主要方式是康复训练。研究表明,相比于传统康复训练方式,机器人辅助训练可以提供多模式化的训练方案,有效提高脑卒中患者的康复训练效果。由于人体上肢康复训练比下肢训练更加复杂,肢体运动功能恢复更慢,因此,研发上肢康复机器人具有重要的研究意义和临床价值。目前,在上肢康复机器人结构设计方面,外骨骼式上肢康复机器人因其能更好地对应肢体骨骼结构,可直接控制特定关节完成特定的康复训练动作而得到了广泛应用;在康复机器人的控制算法方面,基于表面肌电信号（surface electromyography,sEMG）的人体关节力矩估计算法能够更好地实现人机交互功能,因此得到了广泛的研究。然而,还存在一些不足之处需要改进:一、康复外骨骼前臂的旋前-旋后自由度的结构设计大多是采用电机附着在外骨骼上以关节直驱的方式进行驱动,这会增大外骨骼惯性参数,影响整体控制精度;二、肘关节力矩估计算法是数据驱动的,现有的研究仅收集了某一特定前臂姿势下的数据,在不同前臂姿势下应用时泛化能力不足。针对以上两点不足,本文提出了一种基于sEMG信号的关节力矩估计方法,设计了肘关节康复外骨骼系统及其控制策略。本文主要的研究工作和贡献如下:首先,针对关节直驱方式的缺点设计了基于套索传动的差动形式肘关节康复外骨骼,使用套索传动将电机等部件布置在人体外侧,以差动的方式实现肘部屈伸和前臂旋前旋后两个自由度的运动,同时搭建了外骨骼传感系统、数据采集系统和控制系统。其次,针对常规算法泛化能力弱的缺点提出了一种基于sEMG信号的关节力矩估计方法。使用BP神经网络设计了关节力矩回归算法,并通过分析前臂姿势对屈肘肌发力的影响设计了数据采集实验,由其作为数据集使模型在不同前臂姿势下应用时具有较强的泛化能力。最后,基于肘关节康复外骨骼平台和关节力矩估计方法,提出了基于位置控制的被动控制策略和基于力矩控制的助力控制策略,实验结果表明外骨骼具有较好的动态响应特性和轨迹跟踪能力,并起到较好的助力和延缓疲劳的作用,该外骨骼在社区康复和家庭康复方面具有潜在的应用价值。