脑卒中被认定为全球第二大死因,也是成年人长期残疾的主要原因。全世界范围内每年约有1500万人患中风疾病。足下垂是中风后常见的病症之一,为治疗患者因足下垂导致的偏瘫现象,临床上利用Fugl-Meyer运动评分量表与Barthel指数用以分析患者运动的能力以及评定患者处于发病时期,在发病前期即时进行康复训练可最大化接近正常人步态。目前常见的治疗手段包括按摩训练,电刺激训练等,近几年外骨骼机器人的引入对康复治疗新增了解决方案,但目前外骨骼造价成本昂贵,且外骨骼机器人与穿戴者之间的智能性还有待提高。在智能性研究方面中,学者选取的传感器包括人体的肌肉电信号,脑电,姿态信号,在传感信号选择上较为单一。为此,本研究面向多源传感信号的运动意图识别与机器人应用,通过引入生物信号与物理信号对人体的关节角度预测,实现偏瘫外骨骼辅助患者进行康复训练。首先,根据脑卒中患者的单侧偏瘫行走方式,设计一款高效而经济的模块化外骨骼,机械结构方面采用丝杠与曲柄结构用以增强机械构件中的耦合性。电子控制方面采用STM32F4系列芯片,保证任务系统的实时性。选择盘式电机与直流无刷减速电机用以提供人体运动的额外动力。其次,为解决偏瘫患者下肢康复运动时如何产生有节奏且对称的运动,提出基于关节振动造影信号的运动意图识别,基于多源生物信号预测对侧关节角度的模型。利用关节振动造影信号实现手势识别,然后,将声音信号引入到下肢中,将关节振动造影传感器连接到受影响的腿上,表面肌电信号传感器连接到健全的腿上,相应的信号用于估计受影响腿的髋关节、膝关节和踝关节角度,引入一种基于时序卷积网络的算法来预测人体运动过程中的对侧下肢关节角度。最后,为提高患者穿戴外骨骼进行康复训练时的舒适程度。将外骨骼与人体模型的耦合视为系统,建立人体运动学与动力学公式,设计基于导纳控制与比例微分控制的控制器模型。通过测量外骨骼构件与肢体的相互作用力,利用虚拟导纳模型修正系统的固有特性,进而提升外骨骼的柔顺性。