肌力在生物力学领域的研究中应用广泛,肌力的大小能够为中风康复评估、机器人控制和仿生关节设计提供参考数据。同时,现阶段人体运动功能评价的方法主要为半定量评价,即医师使用简单的器械根据现有的评价量表,仅从关节活动程度及肌肉状态来整体评价运动功能。肌力作为人体运动的能源,基于肌力的大小能够准确的量化评估肢体的运动功能情况。但是,肌力大小无法通过直接测量手段获取,因此,对肌力预测方法的研究在人体动力学分析、康复训练和运动功能评价等方面都有着十分重要的意义。由于肌电信号能够反映出肌肉的激活程度,其特征幅值也与肌力的大小密切相关,而关节角度能够反映出肌肉收缩状态,同时,基于人体生理结构参数构建的肌肉骨骼模型能够较为准确的预测出运动过程中单块肌肉的肌力。因此本文提出基于肌电信号、关节角度及肌力构建模糊神经网络肌力预测模型,并将该肌力预测方法应用于人体运动功能的量化评价。具体工作如下:首先,通过对Hill肌肉模型及其肌力计算方法的研究,提出将肌电信号、关节角度及肌骨模型模拟的肌力相结合构建肌力预测模型。并通过与传统肌力预测方法的比较,分析该方法对于提升肌力预测效果的可行性。其次,为获取用于建立肌力预测模型的肌力样本数据,将人体上肢肘关节作为主要研究对象,基于OpenSim人体运动仿真平台建立上肢肌骨模型。通过肢体运动学数据驱动模型模拟关节运动,进而获取运动过程中的肌力大小情况。再次,提出一种基于可变滑动窗的广义动态模糊神经网络(Generalized Dynamic Fuzzy Neural Network,GD-FNN)学习算法,并基于该网络构建肌力预测模型。通过肌电信号时域特征与肌力的相关性分析,选取合适特征作为模型的训练样本,将人体肌骨模型的运动仿真肌力作为预测模型的期望输出。通过受试者上肢肘关节屈伸实验,从预测误差的角度验证该肌力预测方法及学习算法的有效性。最后,针对现有运动功能评价方法的不足,设计并实现基于肌力预测模型的上肢运动功能评价系统。同步采集肘关节屈伸动作下的肌肉表面肌电和关节角度信息,基于运动功能评价策略,实现对受试者关节运动功能的客观、定量、有效的评价。