步行外出是维护老年人身心健康、减缓下肢肌力下降且保持生活自理能力的有效手段。但人老腿先衰,下肢肌力下降导致老人迈步小、易疲惫等问题。因此,老年人迫切需要辅助装置来提高其步行能力。下肢外骨骼机器人作为一个典型的人机共融系统,涉及结构设计、人体运动意图识别、助力控制策略以及人机交互等多个技术领域,其核心任务是确保外骨骼在不同路况下均能对穿戴者提供安全有效的辅助力矩。穿戴者在平地、斜坡和楼梯等不同路况下行走具有不同的生物力学特性,因此需要根据穿戴者在不同路况下的特征对助力曲线进行优化,提升外骨骼的助力性能,同时确保安全。本文根据路况识别结果与步态周期的预测结果,确定外骨骼助力决策方案,主要做了如下研究工作:（1）针对助力过程中存在外骨骼助力曲线不完整的现象,分析了外骨骼的助力周期T的变化对穿戴者助力效果的影响。研究了脚跟着地时刻的检测算法,以有效确定助力区间。（2）开展了基于穿戴惯性传感器（IMU）的路况识别算法研究。首先,提取了布局在大腿和后背处IMU的时频域特征。然后,通过Relief-F算法对初选特征按照权重排序,并根据特征间的相关性系数对特征数据进行去冗余处理,确定了影响步态类型识别的34个主要特征数据。通过不同路况下行走过程中的路况识别实验,验证了所提出算法的有效性,达到了较高的识别准确率。（3）构建了基于IMU的髋关节摆动周期预测模型。首先,提取了一个完整步态中人体运动信息的时频域特征。然后,利用所提取的特征向量与穿戴者摆动周期向量的相关性进行特征降维。结合最小二乘法确定了与穿戴者摆动相周期相关度较高的20个主要特征,并利用BP神经网络对穿戴者的摆动周期进行了预测。实验结果显示,预测结果与摆动周期具有较高的匹配度。（4）提出了不同路况下的助力决策方法。首先,分析斜坡与平地行走的步长变化,确定了不同路况下的助力模式。然后,分析上坡时不同的助力峰值相位参数β对于受试者步长的影响,用以确定β的取值。最后,根据路况识别与摆动周期预测结果,提出了助力决策方法,并分别对路况识别与摆动周期预测进行了在线实验验证以及通过耗氧实验验证了助力决策的有效性。