脑血管疾病和偏瘫疾病的患者随着人口老龄化的加剧而逐年增多,他们的生活和工作受到了严重的影响,同时医生患者数量缺口较大,运用康复机器人来辅助患者完成训练成为大势所趋。康复机器人帮助患者进行平稳的肢体康复运动,能够促进脑部受损神经和肢体联系的建立,对康复机器人的控制方法和系统的研究在医学康复中具有广阔的科研价值和良好的社会效应。针对偏瘫前后期患者的手臂康复需要,本文基于7自由度Barrett-WAM机器人设计了针对性的被动、主动康复训练方法。对于被动康复训练中因手抖或者机器摩擦而引起的控制系统扰动,采用模糊逼近的方法求取扰动量,并在系统中增加相应的鲁棒项进行消除进而保证系统的柔顺性,之后通过Lyapunov函数证明了算法的稳定性,最后运用Barrett-WAM机器人辅助受试者完成垂直平面和水平平面的被动康复实验,从实验结果证明了该方法的有效性。在康复训练的后期,提出了结合患者运动意图的变结构补偿的模糊阻抗控制方法,运动意图和动作的识别通过采集处理手臂肌电信号来完成。本文设计了“肘部屈/伸”,“手腕内扣/外展”和“手臂内旋/外旋”的六种手臂动作,将采集到的手臂肌电信号进行预处理和特征提取,并运用IQPSO-SVM改进型量子粒子群算法优化的支持向量基来识别手臂运动意图和动作,该方法是通过调整量子粒子群缩放因子函数和引入一定的混合扰动来提升粒子的寻优速度和避免陷入局部最优值点,最后通过实验验证了该方法有良好的手臂运动意图和动作的效果。在主动康复训练中,对患肢的阻抗参数运用了自适应遗忘因子的差分方程进行辨识,进而提升阻抗控制方法对机械臂力矩和位置控制的平稳性,之后机器人系统结合受试者的运动意图辅助其完成单关节和多关节复合的主动训练运动,实验证明康复训练的运动轨迹较为平滑,机械臂与受试者的相互作用力受到控制器实时调节,在患肢主动能力不足时提供辅助,在力有余的情况时施加阻力,达到了主动康复训练的效果。