人类在长期的发展过程中,一直希望拥有一种可穿戴的机械设备,以此提高人体的力量和速度,并且减少人体的代谢能消耗,提升工作和生活的效率。近年来出现一些“柔性”可穿戴机器人,其区别于传统的刚性外骨骼机器人,没有刚性连接件,取而代之是轻便舒适的柔性材料,与人体直接接触,且不限制人体的关节活动自由度。此外,其能够以柔性驱动的方式辅助人体关节的运动,减少人体活动的代谢能消耗。本文设计了一种可辅助人体行走的柔性下肢外骨骼机器人。基于对人体步态周期和生物力学分析,提出了辅助髋关节伸展的助力方案,并且以此为理论基础对柔性下肢外骨骼机器人的结构进行了优化设计。柔性下肢外骨骼机器人的结构设计分为柔性穿戴结构设计和执行器设计两个部分。柔性穿戴结构设计方面,采用了双层柔性材料的设计方案,即保证助力传递效率,又提升与人体交互的穿戴舒适度。并且通过优化腰带和大腿绑缚的鲍登线固定点,改进了助力的传递路径,使之与人体高度相容,相比于传统的髋关节伸展助力传递路径,提升了助力的传递效率。执行器结构设计方面,根据人体行走的髋关节运动学参数和助力需求,分析出电机的性能需求。以柔性驱动为核心,规划了助力的传递路径,提升了人机交互的安全性和助力的传递效率。并且对执行器中的关键受力部件进行了静应力分析,保证结构设计的合理性。针对非线性柔性下肢外骨骼系统与人共融的难题,本文基于多模态融合的思想构建了一种学习型控制系统,其由步态识别算法和前馈PD迭代学习控制器组成。步态识别算法方面,通过对人体足底压力分布的实时感知,对人体步态周期进行划分,并且融合了髋关节的运动角度,动态识别人体行走步态,从而生成髋关节伸展助力的期望力轨迹,其能根据髋关节运动进行动态调节,使助力更加顺应人体运动。前馈PD迭代学习控制器方面,融合髋关节角度信息和实时助力信息,生成了穿戴者运动前馈模型和刚性前馈模型,分别用于补偿穿戴者髋关节运动时产生的位置变化和柔性外骨骼受力时产生的非线性形变。基于电机位置信息和助力信息反馈,PD迭代学习控制器能够逐步适应不同穿戴者的步态,动态调节控制参数,消除助力追踪的误差与干扰。经过实验,前馈PD迭代学习控制器能够对力轨迹进行精确追踪,三名试验者在力轨迹峰值点的平均误差为1.03N,1.14N,-1.16N,均方根误差分别为3.49N、3.34N和4.12N。本文设计的柔性下肢外骨骼机器人符合人体生物力学,且融合了多模态的信息,使设备与人体高度相容,实时识别人体的行走姿态,为人体髋关节伸展提供精确助力。经过实验证明,柔性下肢外骨骼机器人能够有效的降低行走代谢能消耗,七名试验者的净代谢能消耗平均降低了10.79±4.34%。