随着社会医疗水平和生活水平的提升,我国人口老龄化现状已不容忽视。老年人和下肢运动疾病患者的运动功能衰退不但会影响其生活质量并且还会增加社会负担。近年来,下肢外骨骼助行设备不仅能够为存在运动障碍的穿戴者提供助力、减少穿戴者能量消耗,而且还能使穿戴者的步态更加自然,恢复其正常的运动功能,已经成为了医疗康复领域和机器人领域的研究热点。因此,解决上述问题最好的方法是在确保安全的前提下根据自身运动功能评估结果来设计个性化的助行外骨骼设备和相应的控制策略。目前国内外在人体下肢运动功能评估和下肢外骨骼控制策略方面仍然缺乏相应的研究。本研究的主要目的是对上述人群的运动能力进行定量评估,在此基础上为需要助行外骨骼的穿戴者设计控制策略。因此本文开展了对下肢运动能力评估方法以及下肢外骨骼控制策略的研究,主要分为三个部分:第一,从解剖学的层面对人体下肢运动状态进行分析,给出了解剖学中对于人体轴面和关节运动的定义,为研究平地行走时典型的步态特征做铺垫。然后利用Vicon MX系统对受试者运动过程中的多源运动信息进行采集,主要为人体的运动学参数,并进行分析处理。在此基础上得出了人体在完整步态周期内的下肢关节角度变化规律,并对下肢各关节的活动范围进行量化分析,从而为后续的运动能力评价模型建立以及下肢外骨骼控制策略提供数据支撑与理论依据。第二,针对下肢运动功能评估问题,提出了一种基于深度学习与多源特征融合的下肢运动能力评估方法,通过Vicon MX三维步态采集系统采集实验对象的步态视频与下肢运动学数据,利用像素自适应分割对步态视频进行预处理,提取步态轮廓图像。然后,通过改进的卷积神经网络提取步态轮廓图像的全连接层特征,将其与下肢运动学数据在特征层进行融合,最后通过核熵成分分析将融合矩阵映射到低维空间,提取主元子空间,并结合Zscore指标提出了融合步态视频数据与下肢运动学数据的运动障碍评估指标(MAI)。对各组MAI指标进行成对T-test检验表明MAI指标能够准确地对受试各组进行运动能力评定(p<0.01);受试者的MAI指标与GARS-M评分的Pearson相关性分析表明,两者显著相关(r=0.92,p<0.01)。第三,针对下肢外骨骼建模过程中的建模误差、信号噪声及外界扰动等因素带来的干扰,提出了一种基于模糊滑模变结构控制器(Fuzzy sliding mode control,FSMC)用于下肢外骨骼系统控制。首先,根据人体下肢的简化模型采用欧拉-拉格朗日法建立了下肢动力学模型。然后在滑模变结构控制器的基础上,设计了一类具有非线性积分项的势能函数来代替传统的积分滑模面,从而消除滑模控制中普遍存在的抖振现象以及由积分项引起的Windup效应。同时为克服下肢外骨骼建模过程中的建模误差、信号噪声及外界扰动等因素带来的干扰,利用模糊系统的逼近特性和自适应控制的强鲁棒性设计了模糊滑模控制器,最后通过与传统滑模控制的实验仿真对比分析验证了所提方法的有效性。