随着国家与社会对于人口老龄化和劳动密集型产业转型等问题的关注度与日俱增,各类助老助残和人体增强下肢外骨骼已经在医疗康复、工业生产和军事领域等各个方面体现出了深远的应用前景与研究价值。而对于下肢外骨骼的设计与研究来说,仍需要解决模型准确度不高、控制性能较差、人机耦合不协调、意图识别不准确、控制策略不智能等问题。因此,本文以下肢外骨骼的人机耦合控制性能为目标,从人机耦合控制的准确化、安全化和智能化为出发点开展了相关研究,最终希望下肢外骨骼与人体组成的耦合系统可以高效地完成设定的控制目标。本论文的主要研究工作如下所示:1.为了对研究的控制算法与策略提供相应的验证平台,搭建了第一代下肢外骨骼样机UEXO-I,关节采用电动直驱,并从UEXO-I的机械结构、软硬件构成和传感器测量偏差补偿校正方法等方面进行了详细介绍。为了进一步验证双足行走下的控制算法,在UEXO-I基础上,搭建第二代下肢外骨骼样机UEXO-II,并介绍了其机械与软硬件构成。最终,设计了相关实验,验证了UEXO-I和UEXO-II的实际性能。2.针对于下肢外骨骼样机的动力学模型未知的问题,提出了一种基于邻域优化算法（neighborhood optimization algorithm,NFO）和Huber适应度函数下肢外骨骼动力学参数辨识方法,在保证辨识效率的同时有效抑制了测量噪声对于辨识精度的影响。基于辨识结果,针对于主被动控制模式分别设计了相应的控制算法。特别地,对于导纳控制架构的下肢外骨骼主动控制,设计了基于人体步频的变导纳控制策略来兼顾人机耦合的稳定性与柔顺性。3.考虑到人体下肢步态运动信息的随机性与不确定性,采用高斯过程（gaussian process,GP）方法来学习人体步态信息与规律并将其应用在下肢外骨骼控制策略中。首先,针对于人体下肢姿态的测量时延问题,提出了一种基于深度高斯过程（deep gaussian process,DGP）的在线步态预测模型来对测量时延进行补偿,并根据预测不确定性指标设计了变导纳控制策略来进一步保障人机耦合性能。此外,针对于行走步态的双腿双关节轨迹耦合关系,提出一种基于稀疏高斯过程（sparse gaussian process,SGP）来构建下肢双腿双关节耦合概率模型,并采用输出约束技术结合概率估计置信区间来确保人机耦合系统的安全性与协调性。4.由于下肢外骨骼主被动控制性能都依赖于相应的位置控制器性能,因此对于下肢外骨骼的位置控制器设计进行了研究。首先,提出了一种基于集总误差界的自适应反步控制器来处理模型辨识误差的影响。此外,考虑到下肢外骨骼的关节角速度不可测问题,提出了基于拓展状态观测器（extended state observer,ESO）的反步控制器来同时估计和补偿关节角速度与集总误差。最后,考虑到下肢外骨骼关节位置约束,提出了基于有限时间拓展状态观测器（finite-time extended state observer,FESO）的输出约束反步控制器来保障估计效率,同时实现下肢外骨骼的关节轨迹约束。5.考虑到模块化下肢外骨骼系统,每个肢体外骨骼被看作独立节点并采用通信组网的方式构建为整体的分布式系统。根据外骨骼控制的柔顺控制特性,对以上问题进行了理论研究,提出了一种分布式阻抗控制框架,并在此框架下设计了径向基（radial basis function,RBF）神经网络的分布式阻抗控制器,来抑制节点模型不确定性对于控制性能的影响。此外,考虑到外骨骼是通过人机耦合力/力矩的形式来帮助人体完成特定控制目标,在分布式阻抗控制的基础上,提出了一种分布式耦合作用协同控制器,并通过调节控制参数的方式实现了分布式位置控制-分布式阻抗控制-分布式耦合作用控制的转换。