动力下肢假肢是补偿下肢截肢患者运动能力的有效工具,与被动假肢相比可以根据穿戴者当前运动状态提供助力,使截肢者步态更接近于自然步态。踝关节假肢是膝上/膝下假肢的共有部件,所以,开展动力踝关节假肢的研究具有重要的社会意义与应用价值。本文从实验数据的采集与处理、人体运动意图识别、假肢控制策略选取三个方面展开研究,主要内容如下:首先,采用DELSYS无线肌电系统采集小腿截肢者健肢小腿肌肉表面肌电信号（surface Electromyography,s EMG）,同时将惯性传感器放置在假肢小腿与足部外侧后三分之一处。对采集信号进行处理得到消噪后s EMG和踝关节角度,与采集的加速度信号共同为后续设计人体运动意图识别算法奠定数据基础。其次,设计一种小腿截肢者运动意图识别方法。本文提出了一种基于改进Elman网络的识别模型,该网络在除了隐含层到原承接层的反馈外,增加了输出层到新的承接层的反馈。然后将s EMG信号与加速度信号作为改进Elman网络的输入量,训练网络识别下一时刻的假肢踝关节角度。仿真结果表明,该模型具有良好的识别效果,相对于基本Elman神经网络而言所识别踝关节运动轨迹更为准确,相关系数为0.95,可以为实现人机交互下的实时自主控制假肢提供参考。最后,提出一种基于虚拟参考反馈整定的无模型自适应准滑模控制方法。将踝关节假肢动力学系统离散化,并转化为动态线性化模型。在无模型自适应控制器基础上,引入虚拟参考反馈整定进行伪偏导数初值与重置值估计,然后针对动态线性化模型设计准滑模控制器,得到最终控制方案表达式。并通过Matlab-Adams联合仿真平台进行步态仿真,对所提出方法进行验证。本研究降低了控制器对于假肢模型先验知识的依赖,补偿未建模不确定性的影响。仿真结果显示与传统的无模型自适应控制方法相比,本文所提方法具有良好的跟随效果,实际输出踝关节角度与期望角度之间的误差较小。