由脑卒中、脊髓损伤和脑损伤导致的中枢神经损伤，造成患者肢体运动功能障碍，严重影响其日常生活自理能力。临床研究表明，运动康复治疗可以促进患者肢体运动功能的恢复。传统康复治疗是治疗师以人工操作的方式辅助患者完成训练任务。随着患者人数的增加，康复训练任务给治疗师带来沉重的体力负担，导致许多患者无法获得所需的康复训练，限制了康复治疗效果。外骨骼康复机器人关节分布与人体对应，能模拟人体日常生活动作，在提供复杂三维空间运动训练方面具有显著优势。相比于传统人工康复训练方式，康复机器人能提供时间长、精度高、可重复性强的运动训练，减轻治疗师体力负担的同时降低了康复训练成本。本文在国家自然科学基金重点国际合作研究项目“康复机器人主动自适应控制策略与在线评价方法研究与应用”（61720106012）、北京市科技计划项目“主动自适应上肢康复机器人研发”（Z161100001516004）的支持下，针对上肢康复训练，围绕机器人的系统设计和相关康复训练控制方法展开研究。本文的主要工作和创新点如下：

1. 针对神经损伤患者不同关节的康复训练需求，设计了两款上肢康复机器人：外骨骼式上肢康复机器人和三自由度腕关节康复机器人。外骨骼式康复机器人具有五个主动关节，可以为上肢提供单关节、多关节及三维空间运动训练；机器人采用弹簧减重系统实现机器人关节重力平衡，并利用四个被动滑动副解决关节轴心对齐问题。腕关节康复机器人利用圆弧导轨与滑块结构实现机器人关节与人体前臂的同轴旋转，并采用钢丝绳与绞盘传动方式提升机器人关节的反向驱动能力。在机械结构的基础上，本文完成了机器人控制系统和上位机软件系统的设计。

2. 针对外骨骼式康复机器人冗余自由度逆运动学求解问题，提出了肘关节抬升角约束项，以确保解的唯一性。基于人体上肢运动学约束，建立以抬升角为自变量的优化目标函数。由于目标函数解析解困难，也难以利用梯度下降法求得近似解，本文利用遗传算法求解最优抬升角，并建立从空间位置坐标到抬升角的映射关系，从而提高机器人实时控制中最优抬升角与逆运动学的计算效率。

3. 为实现外骨骼式康复机器人的被动训练模式，本文针对训练任务的周期性特点，设计了基于迭代学习控制的轨迹跟踪控制方法，并提出了一种增量式高阶迭代学习控制算法，以减小控制器输出的振荡，提高控制器的收敛速度。为了减少机器人对患者的过度干预，在被动训练模式的基础上，设计了一种基于虚拟“管道”模型的训练控制方法，以允许患者的部分运动自由。

4. 为了在外骨骼式康复机器人平台上实现主动训练模式，提出了一种基于强化学习的辅助控制方法。该方法包含两层控制环路：内环利用传统的闭环控制算法实现轨迹跟踪；外环利用强化学习辨识操作者的运动意图，并为内环提供参考轨迹。该方法的特点在于：运动意图的估计不依赖于人机动力学模型，规避了复杂的动力学辨识过程；具有动态自适应能力，对于不同的操作者和任务，可在不修改控制器的情况下学习得到正确的辅助策略。

5. 提出了两种自适应“按需辅助”康复训练控制策略，使机器人在辅助患者完成训练任务的同时，能够提高患者的主动参与度。在基于患者刚度系数辨识的控制策略中，建立目标回报函数用于权衡轨迹跟踪误差和患者输出功；然后，根据辨识得到的患者刚度系数求解最优阻抗控制参数，使回报函数最大化。针对工作空间中患者肢体运动能力的不一致性问题，提出了基于患者运动功能障碍模型的控制策略：康复训练中，利用神经网络建立患者的运动功能模型，并采用贪婪式算法更新网络权值，以产生任务挑战激励患者的主动参与；同时，利用自适应算法调节任务难度系数以适应不同功能损伤程度的患者。上述两种训练控制策略，分别通过仿真和临床对比实验进行了验证。