智能下肢假肢的研究目的在于改善和提高残疾人的生活质量,促进我国医疗福利事业的发展以及社会的和谐稳定。目前,国内外都已经出现了智能化和仿生程度很高的智能下肢假肢产品,但是价格普遍偏高,难以普及到广大的残疾人群中去。因此,加大力度探索和研发高性能、低成本的智能下肢假肢产品,对于改善我国残疾人的日常生活有着很大的意义。智能下肢假肢的研究必须以下肢运动模式识别以及下肢运动姿态的准确预测为前提。本文主要是在实现下肢运动信息采集的基础上,探索和研究神经网络算法在智能下肢假肢研究领域的可推广性,实现基于神经网络算法的人体下肢运动模式识别以及下肢运动姿态的准确预测,具体所做的研究工作有以下几点:(1)本文为了更好地实现人体下肢运动模式识别以及运动姿态预测,详细分析了人体下肢运动的状态及特征参数,搭建了人体下肢运动的膝关节角度获取系统,并利用角度均值比的方法,对膝关节角度信号进行了简单的归一化处理,将膝关节角度信号转化为膝关节角度特征值。(2)在多运动状态的模式识别上,本文选用了比较成熟的BP神经网络算法及其两种改进算法还有自组织竞争神经网络,一共四种网络分别建立了多运动状态的模式识别模型,并分别对模型进行训练和仿真,最后比较识别结果,发现自组织竞争神经网络建立的模式识别模型识别准确率更好,速度更快,模型训练更加稳定。(3)引入另外一种神经网络算法RBF神经网络,分别利用基于L_M反传算法的BP神经网络以及RBF神经网络建立人体下肢运动姿态预测模型,实现对于人体下肢运动姿态的预测。比较两种模型的仿真结果,发现RBF神经网络建立的人体下肢运动姿态预测模型预测精确,与实际的运动趋势几乎吻合,适用于人体下肢的运动姿态预测。