可穿戴下肢助力外骨骼机器人能有效地提升人类在负重的情况下长途行走的能力。它结合了机械结构和人类智慧的优势,将二者完美的融合,按照人类的需求将优势最大化。可穿戴下肢助力外骨骼机器人系统是多个学科交叉的综合产物,为当前研究最为热门的方向之一。本文的重点为研究设计可穿戴下肢外骨骼机器人的感知系统,建立在多种运动状态下人体运动学理论模型,对人体运动学进行分析,搭建感知硬件平台,研究和验证人体步态识别算法以及人体步态预测算法。根据人体肢体运动学和人体解剖学理论,研究基于高速摄像仪的姿态分析系统的人体正常运动状态下的下肢运动参数获取和分析方法。主要研究人体的正常行走、坐下与起立、蹲下与起立、上下楼梯四个过程的人体运动特征。利用Midas软件获取人体四个运动状态呈现的人体运动数据,利用Matlab仿真软件对数据进行分析。利用数字滤波技术得到人体在上述四种运动状态下背部倾角、髋关节、膝关节的角度变化曲线以及角加速度变化曲线。结合人体的运动特性,提取人体在四种运动状态下的运动特征数据并作为样本数据。根据数据在时间轴上呈现的特征,划分人体正常运动的步态。研究和分析人体下肢运动反馈信息种类,确立可穿戴下肢助力外骨骼机器人感知系统采集的运动反馈信号,确定感知信号类型,继而确定传感器选型。结合人体下肢运动机理,布局传感器模块,设计硬件电路,建立多传感器信号采集电路,分析人体运动状态转换特征,研究判定人体运动意图的感知算法,可判定穿戴者当前姿态以及坐下与起立时的站立意图,站立时行走意图,以及行走过程中的迈步意图以及停止意图等。研究基于现有步态数据,完成对下一时刻的步态的预测。最后,在下肢外骨骼机器人感知硬件平台上对人体步态感知算法和步态预测算法进行验证,并在此基础上对算法进行修改,优化。实验分析可知,改进的基于模糊—比例的人体步态感知算法感知了基于足底压力的3600个步态数据,正确率为93.3%,改进的基于时间序列的最小二乘支持向量回归的人体步态预测算法预测人体的下一时刻的步态数据,正确率为96.6%。