可穿戴型助力机器人技术是近年来比较崭新的一个研究领域，涉及机器人学、人体工程学、控制理论、传感器技术、信息处理技术、模式识别等。可穿戴型助力机器人属于外骨骼机器人的一种，其目的是为了增强人体的运动能力、扩大人体的运动范围。它能充分结合人类的智力和机器人的“体力”进行优势互补，充分贯穿“以人为核心”的人机一体化技术，强调人的智能参与到机器人的助力控制中。 在可穿戴型助力机器人的技术研究中，机器人能否及时、准确地感知使用者的运动意图，是解决机器人实时助力的重要前提，同时也关系到整个系统的实时性、协调性。而人体运动意图获取的研究本身是人机接触交互中的重要前沿。对于可穿戴型助力机器人来说，获取何种类型的人体运动信息、如何对其进行定性或定量的分析，准确、快速的识别使用者的运动意图是系统能够实时提供助力的前提和基础，同时系统还需根据使用者不同的运动及意图迅速做出相应的响应。在国家自然科学基金“可穿戴型智能助力机器人技术研究”(No.60575054)和国家863项目“可穿戴型助老助残机器人示范平台”(No.2006AA040204)资助下，本项研究通过深入分析人体下肢运动的特点，选择常见的人体起立过程为主要研究对象，以下肢特定肌肉群的表面肌电信号(sEMG)为研究手段，探讨一种基于下肢动力学信息的具有较强实时性和稳定性的人体下肢运动意图识别方法，旨在为提高可穿戴型助力机器人系统的简捷性、实用性提供有效的途径，同时使得人体运动信息的获取变得简单、直观和稳定。 具体内容概括如下： 通过分析人体下肢运动的特点及其肌肉骨骼系统的组成和功能，比较目前人体运动信息检测的一般方法，建立了人体下肢运动综合信息获取平台，能实时获取和记录下肢特定肌肉群的表面肌电信息和相应的地面反作用力(FRF)。由于该平台为基于CAN总线的分布式结构，因此具有良好的开放性和可扩展性。 借助现代信号分析和处理方法，采用小波包理论(WPT)对人体下肢起立过程中采集的肌电信号进行去噪，并对去噪后的表面肌电信号进行短时窗内的特征提取，利用神经网络集成理论(NNE)识别起立过程的各个主要阶段，从而实现起立过程各阶段运动意图的识别。 对应于基于表面肌电信息的起立过程各阶段识别结果，研究相应的地面反力变化特征，结合表面肌电信息超前于力的特性和地面反力的直观性、稳定性，通过合理的的分析和实验统计计算，确定了基于地面反力变化特征的人体起立过程各阶段的识别方法，一定程度上解决了目前依靠经验知识确定地面反力阈值识别人体运动意图准确性不高和适应性差的问题。将基于地面反力变化特征的起立过程各阶段识别方法运用到可穿戴型助力机器人平台中，并在起立助力过程中验证该方法。实验结果表明经由基于肌电信号的识别结果归纳和实验统计调整的基于地面反力变化的识别方法对起立过程中各阶段的识别具有可行性和有效性，为合理、及时的助力奠定了基础。