心脑疾病的频发和意外事故导致下肢运动障碍者逐年增多,利用康复机器人进行康复训练是目前主要的发展方向。其中主动训练方式适用于具备自主运动能力的患者,但主动训练中跟踪的迟滞性以及准确性问题还有待改进。为此,本课题提出一种预测反馈+力位混合控制的控制模型,试图提升系统跟踪的快速性及准确性。其中预测模型包括足底压力预测和下肢运动轨迹预测。选用足底压力信号作为下肢运动趋势识别信号,应用采集受训者的足底压力信号预测出下一步的足底压力,以便系统及时准确地获取反馈的力信号,预测算法选用粒子滤波算法,并对算法进行了仿真验证,结果表明预测精度可以达到97%。通过足底压力信号,建立足底压力与康复机器人下肢关节角度的关系,求解出下肢关节角度,再利用逆向运动学建立下肢关节末端位置的运动学模型,应用迭代算法对下肢运动轨迹进行预测,以便系统及时准确地获取位置反馈信号。分别对所建预测模型进行了仿真验证和实验数据验证,结果显示预测精度为97.3%,稳态识别时间199毫秒。将预测模型与力位混合控制相结合,建立预测反馈+力位混合控制下肢康复机器人主动训练控制算法,通过仿真验证表明该算法可有效提升运动控制的快速性。图55幅;表29个;参56篇。