穿戴助行机器人是典型的人-机一体化系统,行走过程中人-机之间通过连接部位的相互作用实现协同运动。在穿戴助行器的行走过程中,经常会出现助行机器人的运动轨迹与穿戴者期望轨迹不一致(即运动不相容),产生过强的约束力,导致舒适性变差和二次损伤。本论文从下肢肌电信号的内在因果关系出发,基于收敛交叉映射法构建肌电信息流动网络,明确人-机运动不相容的关键肌肉和具体时期,对穿戴助行机器人出现的行走步幅过大不相容、步幅过小不相容和步幅相容三种情况进行了识别研究。其主要研究内容和方法如下:(1)人-机运动不相容时,由于无法直接根据人体下肢肌肉解剖学找到识别的关键肌肉,本文通过探索下肢运动过程中肌电信号因果关系来找寻关键肌肉。利用收敛交叉映射法,对下肢各肌肉的表面肌电信号进行因果关系检测;根据因果关系检测结果,选取合适的阈值构建肌电信息流动网络;通过信息流动网络评价肌肉重要度,找到包含信息最多的关键肌肉。(2)利用加速度信息,拟合下肢膝关节角度变化曲线,通过拟合曲线对下肢运动进行时期划分。检测肌电信号在各个时期的因果关系,构建邻接矩阵分析因果关系变化规律,确定人-机运动不相容的具体时期,避免冗余信息对后期识别的干扰。(3)根据肌电信号的非线性动力学特征,提取各时期表面肌电信号的排列组合熵,与时域特征一起构建特征向量;利用粒子群优化算法对高斯核支持向量机进行参数寻优,进而构建高性能的分类器用于模式识别。识别结果表明,因果分析找到的关键肌肉和具体时期的识别率明显高于其它肌肉和时期。