近年来,功能性电刺激(Functional Electrical Stimulation,FES)在肢体康复治疗中得到广泛应用,成为智能康复系统的研究热点之一。FES指通过电刺激刺激失去神经控制的肌肉,使肌肉产生收缩,从而恢复人体特定部位功能的前沿技术,其有效性取决于刺激时间、刺激强度的精确控制。随着FES系统从开环向闭环趋势发展,建立电刺激下关节角度的模型是研究FES闭环控制系统的基础。因此,本文利用FES与姿态传感器搭建人体实验平台,探究FES调节踝关节角度响应特性。从现象学出发,利用遗传算法训练基于神经网络的H(Hammerstein)模型;从机理学出发,推导FES至踝关节角度的机理模型,利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法辨识机理模型未知参数:建立两种FES下的踝关节角度模型后,对两种模型进行比较与讨论。具体研究内容如下:首先,以姿态传感器与电刺激仪搭建实验平台,基于不同的实验个体开展FES调节踝关节角度实验。将电刺激频率25Hz、幅值25mA作为固定电刺激参数,探究电刺激脉宽变化对踝关节角度的影响。结果表明,电刺激激励下踝关节角度表现出滞后性、非线性、时变性,为后续建立踝关节模型提供理论与数据基础。其次,根据实验结果,从现象学出发,建立神经网络结构的H模型。通过遗传算法对模型参数进行辨识,将在体实验数据应用十折交叉法验证该模型。结果表明,H模型能够有效预测电刺激下踝关节的角度变化。再次,从机理学方法出发,分析踝关节运动学、FES下肌肉收缩动力学与拉格朗日逆动力学过程,推导在电刺激下的踝关节肌肉骨骼模型。机理模型虽具有更好的解释性,但结构复杂且参数较多难以辨识,本文对模型进行了简化,应用EKF算法对模型未知参数展开辨识。结果表明,该模型能有效的预测电刺激参数下踝关节角度变化的响应。最后,对比与分析两种模型在不同个体,不同电刺激输入序列下的模型误差,结果表明基于机理学方法的踝关节肌肉骨骼模型的归一化均方根误差值(NRMSE)平均低于20%,基于现象学方法的H模型NRMSE平均低于30%。本文建立的两种模型都能较好的预测踝关节角度变化,对比模型的准确性,鲁棒性,机理模型略优。本文研究为电刺激参数配置的优化调整、探索FES调节踝关节运动角度特性、提高电刺激闭环治疗系统的准确性奠定研究基础。