异构双腿行走机器人(Biped Robot with Heterogeneous Legs, BRHL)是一种将双腿行走机器人和智能假肢的研究相结合起来的新型机器人模式。它可以模拟一侧截肢的残疾人安装智能假肢后的情形,代替残疾人进行大量重复多样的智能假肢性能测试实验,为智能假肢的研究提供一个理想的实验平台。本文在阐述了双腿行走机器人和智能假肢的国内外研究现状、BRHL仿真平台的组成及其研究意义的基础上,对BRHL的步态进行了详细地分析研究。其中主要对BRHL的步态对称性优化、步态模式识别、人体步态模型的建立这三方面做了深入研究。由于BRHL的左右侧膝关节结构的不同影响了步态对称性。针对BRHL步长对称性差的问题,提出了基于遗传算法的BP神经网络优化算法。首先用初始化权值的BP神经网络对观测对象的膝关节角度进行变换,然后在ADAMS仿真环境中计算步长误差,并以其作为遗传个体适应度的评价指标,对BP神经网络的权值进行优化,经过多次迭代之后,6个观测对象的步长对称性指标均在正常人指标范围内,证明了方案的可行性。在实际生活中智能假肢穿戴者会遇到各种不同的路况,因此就需要智能假肢能够根据穿戴者的运动信息对路况和步态模式进行识别。本文用MTi采集小腿处的加速度信号,并对其利用小波分解技术进行特征提取,然后分别建立9个观测对象的5种不同路况下的隐马尔科夫(HMM)模型,最后用测试数据对其进行验证,实验结果表明该方法可以对步态模式进行高精度的分类。当智能假肢识别出路况和步态模式之后,还需要根据具体情况调节假肢的步态。本文首先对步态进行了定量的分析,计算了步长、步频两个参数,并且用较少的特征参数表示了膝关节角度,然后用RBF神经网络建立了人体运动时步态模式、步长、步频和膝关节角度特征参数之间的数学关系,对多种情况下的膝关节角度进行了预测,取得了较好的预测效果。