随着交通事故频发及社会人口老龄化现象的日趋严重,下肢膝关节伤病残患者的数量急剧上升。本课题组设计的下肢康复机器人采用自主研发的气动人工肌肉,避免了康复训练过程中带来的二次伤害。传统下肢康复机器人采用的是被动控制策略,受训人群缺乏参与主动性。而受试者下肢表面肌电信号既能反映下肢肌肉活动情况,又可以作为控制信号,故在康复医疗领域有着广阔的运用前景。本论文旨在对表面肌电信号进行分析,实现肌电模式识别控制下肢康复训练系统,课题的研究工作主要包括以下几个方面：(1)在主回路设计基础上增加抗干扰旁路。主回路包括前置差分放大电路、20Hz高通滤波电路、50Hz陷波电路、500Hz低通滤波电路及后级可变增益放大电路,主回路对肌电信号的理论放大倍数介于1020-6120之间,多级放大避免了信号过饱和引起的失真。抗干扰旁路包括“屏蔽驱动”、“右腿驱动”及“浮地电源”电路,起到抑制人体共模干扰的作用。完成信号采集系统通讯接口连接,用Labview编写采集程序。解决了SEMG幅值小、信噪比低、易受周围噪声干扰而获取难的问题。(2)利用均方根值、四阶AR模型参数、功率谱比值K作为特征提取参量,设计不同运动状态、不同负载状态下的下肢动作模式实验,采集肌电信号并提取特征值。观察特定动作模式下3种特征值反映的区分度情况,得出每种特征值对下肢运动信息的表述差别。解决了特定动作下特征参量选取的问题。(3)设计3层BP神经网络分类器,以信号特征值RMS及四阶AR模型参数构建新特征向量,以其作为BP神经网络的输入。设计对比试验,新特征向量作为训练输入,训练误差达到9.5245-6时,迭代次数为246,识别率为96.9%,证实了新特征向量在收敛速度及识别率方面的优越性。解决了下肢动作模式识别问题。(4)完成下肢康复训练系统各通讯接口连接,提出肌电模式识别控制策略,采用Labview编写系统控制程序。完成模式识别控制实验,受试者可按预判动作进行康复训练,完成对论文方案的论证。