骑行作为一项基本的运动方式,在帮助下肢假肢穿戴者避免截肢后的残肢端萎缩方面具有良好的效果,对其穿戴假肢适应期的平衡性训练效果也很突出,还能够满足其对运动方式多样化以及辅助装备智能化的需求。因此,研究假肢穿戴者的骑行控制具有非常重要的意义。本论文主要进行了骑行数据采集、骑行状态与骑行相位的识别以及假肢膝关节骑行运动控制三个方面工作。在骑行数据采集方面,首先通过分析人体骑行时的运动特征,对骑行的各个相位进行划分。其此,根据骑行运动时的特点,搭建骑行运动采集系统,对骑行时的运动信息进行采集。之后利用奇异值降噪的降噪方法,对采集的信号进行降噪处理,为假肢穿戴者骑行相位识别提供基础性的数据支撑。在骑行状态与骑行相位的识别方面,首先提出利用决策树的方法解决假肢穿戴者骑行状态识别的问题,并且对于骑行运动状态识别的准确率可以达到98.3%。其后,设计基于SVM的假肢穿戴者骑行相位识别模型,并将前期采集到的骑行数据组成多维特征向量,作为骑行相位识别模型的输入,实现对假肢穿戴者骑行相位的识别。为了能够进一步提高假肢穿戴者骑行相位识别模型的准确率,提出将灰狼算法（GWO）融入基于SVM的假肢穿戴者骑行相位识别模型,不仅解决了SVM核参数全局优化问题,还将假肢穿戴者相位识别的准确率提升到94%,验证了本文所提出的优化算法分类算法的有效性及可行性。此外,通过对比SVM识别模型、BP神经网络分类模型、GA-SVM识别模型、PSO-SVM识别模型、GWO-SVM识别模型对假肢穿戴者骑行相位识别的准确率发现,GWO-SVM分类模型不仅在识别准确率上优于其他算法,收敛的速度也更快,能够有效的解决假肢穿戴者骑行相位识别分类的问题。在完成对假肢穿戴者骑行相位识别之后,建立假肢穿戴者骑行运动控制仿真模型。将有限状态机和迭代学习控制相结合的控制方法应用到所建立的骑行运动模型的控制中。模拟假肢骑行控制模型,以骑行相位转换的关键点作为骑行相位转移条件,实现假肢穿戴者在不同相位时的运动控制,为智能假肢配合假肢穿戴者实现骑行运动打下基础。