目前,利用下肢柔性外骨骼设备对人体进行助力,从而降低人们在各种活动中的能量代谢,增强人们的生活水平受到了世界各国的广泛关注。在人体助力时其理论依据是人体正常行走时下肢关节力矩曲线。然而,由于缺乏准确、高效、便捷的实时解算人体下肢关节力矩的方法,目前的助力研究中只能以基于统计学规律的下肢关节力矩曲线对人体进行助力,该问题严重限制了助力效果。首先,人体运动信息是解算人体关节力矩的基础,针对实时、有效、经济便捷地测量人体运动信息难的问题,本文建立了基于惯性测量单元(IMU)的人体行走运动模型,解算了人体行走时的运动信息。该模型在分析了人体运动特征和IMU信号特征的基础上,构建了IMU与人体下肢关节间的运动约束方程,并基于最优化算法解算了IMU与人体肢体段间的方位关系,使得IMU可以与肢体段间自动对齐,避免了传统方法的繁琐操作。在此基础上,本文分别基于加速度和角速度信息解算了相关运动信息,并结合数据融合算法将其优化,解算出了更为准确的运动信息。模型的精度和稳定性结合光学动作捕捉系统进行了验证。其次,在解算运动信息之后,本文建立了基于IMU的人体行走逆动力学模型。该模型将人体主体运动简化到矢状面内,并结合统计学规律确定了人体各个肢体段的惯性和几何参数。同时,该模型以人体上肢质心为基准并结合人体行走时脚底压力的“平滑过渡”特性,准确地描述了人体各个肢体段的运动与受力特征,克服了传统方法中相位转换间的突变问题。在此基础上,本文基于牛顿-欧拉法分别从人体足部和上肢出发解算了人体关节内力和关节力矩。模型的精度和稳定性结合光学动作捕捉系统和测力台进行了验证。然后,基于上述逆动力学模型助力方法的效果,本文进行了仿真研究。本文将仿真软件中的通用人体模型进行缩放得到了实验者特定的人体模型。结合相关优化算法将缩放后的人体模型和测得的运动及脚底作用力数据进行优化,使其达到“最佳匹配”状态,从而减小仿真误差。在此基础上,分别对人体正常行走、基于传统助力方法助力和基于本文方法助力三种模式下人体的代谢率进行了仿真。仿真结果显示,基于本文逆动力学模型助力时,人体取得了最多的能量消耗减少。最后,本文对基于上述逆动力学模型助力方法的效果进行了助力实验验证,检测了前述三种模式下人体的能量消耗代谢。实验结果显示本文的助力方法可以在传统的方法的基础上实现更多的能量消耗降低,证明了本文的方法行之有效。