下肢外骨骼作为一种可穿戴式助力装置,模仿人体生理构造,以起到协同穿戴者运动提高穿戴者行走耐力、负重能力等方面体能的作用。下肢康复型外骨骼机器人一直是近年来国内外研究的热点,该设备可以将人和机器人的优势进行有效的整合,依靠人机间所实现的协同配合,进而实现预期中的运动效果,帮助下肢受伤的患者或偏瘫患者进行康复训练,重建行走能力。控制系统是下肢康复型外骨骼机器人的关键模块之一,其性能的优劣会对康复训练效果产生直接影响。人工神经网络具有自学习、自适应的能力,将神经网络运用到控制系统中能够对整体控制系统的响应速度、精度、跟随性等进行优化提升,从而提高下肢外骨骼装置控制系统的智能性,提高康复训练的有效性。本文运用三维运动捕捉系统采集人体下肢运动的步态数据,作为控制系统设计的数据支撑。在已完成的动力式下肢外骨骼TUST 3的机械结构基础上,本文对下肢外骨骼进行运动学和动力学分析,进而搭建控制系统,根据人体下肢在不同坡度(0°、1:10、1:12)行走时的运动特点完成了下肢外骨骼控制系统的设计。本论文主要完成的工作如下:1.运用三维运动捕捉系统VICON采集了正常健康受试者在不同坡度的坡道下行走时的下肢步态数据,并将从VICON系统中导出的数据进行处理分析后作为原始数据集。2.通过对在不同坡度下行走时人体下肢步态特性的分析及下肢外骨骼的运动学和动力学分析,确定了下肢外骨骼系统的自由度以及神经网络控制系统的输入输出,完成了下肢外骨骼控制系统的构建。3.运用传统的控制方式,根据人体下肢生物力学的基本特征和下肢外骨骼机械结构,从而针对其中的多个关节进行控制,并在MATLAB中仿真,进而观察其控制效果总结出传统控制方式的优缺点。4.运用神经网络控制算法对下肢外骨骼进行控制,并在MATLAB中仿真,将仿真结果与传统控制方式进行对比,发现神经网络控制算法进一步提高了控制系统的整体性能,最后将实验采集到的正常受试者在不同坡度下行走时的步态数据集导入到建立好的神经网络控制系统中,并对训练结果进行仿真,验证了控制系统设计的合理性。