Many patients with stroke are suffering lower limb locomotor dysfunctions all over the world. Body weight supported treadmill training has proven to be an effective post-stroke rehabilitation training method for these people’s recovery. Nowadays, lower extremity rehabilitation exoskeleton composed of a pair of mechanical legs has been introduced into body weight supported treadmill training, which can guide and assist the movements of the patient’s legs. However, active movements of the patient are hardly to be achieved when the rehabilitation exoskeleton is controlled by a commonly utilized position-based passive strategy. Considering the restriction above, a weight supported rehabilitation training exoskeleton device was designed in this paper to ensure the stroke patient can participate in rehabilitation training voluntarily. To realize this goal, a patient-cooperative rehabilitation training strategy based on adaptive impedance control is adopted for the swing phase in the training. Human–exoskeleton interaction torques are evaluated by a backpropagation neural network and a disturbance observer whose stability is proved by Lyapunov’s law. With no additional demand of interaction torque sensors, the complexity of this system is simplified and the cost is reduced. In order to promote the involvement of patient during the rehabilitation training, fuzzy algorithm is used to adjust the impedance parameters according to the human–exoskeleton interaction torques. The effectiveness of the whole rehabilitation control strategy is demonstrated by experimental results.

全世界许多中风患者都患有下肢运动功能障碍。体重支持的跑步机训练已被证明是这些人康复的有效的中风后康复训练方法。如今，由一对机械腿组成的下肢康复外骨骼已被引入体重支持的跑步机训练中，该训练可以指导和协助患者腿部的运动。但是，当康复外骨骼通过常用的基于位置的被动策略控制时，很难实现患者的主动运动。考虑到上述限制，本文设计了一种负重支撑的康复训练外骨骼装置，以确保中风患者能够自愿参加康复训练。为了实现这一目标，在训练的摆动阶段采用了基于自适应阻抗控制的患者合作康复训练策略。人体与骨骼之间的相互作用扭矩通过反向传播神经网络和扰动观测器进行评估，其稳定性由李雅普诺夫定律证明。由于不需要交互扭矩传感器的额外需求，因此简化了该系统的复杂性并降低了成本。为了促进患者在康复训练过程中的参与，使用模糊算法根据人体与骨骼之间的相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。训练的摆动阶段采用基于自适应阻抗控制的患者合作康复训练策略。人体与骨骼之间的相互作用扭矩通过反向传播神经网络和扰动观测器进行评估，其稳定性由李雅普诺夫定律证明。由于不需要交互扭矩传感器的额外需求，因此简化了该系统的复杂性并降低了成本。为了促进患者在康复训练过程中的参与，使用模糊算法根据人体与骨骼之间的相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。训练的摆动阶段采用基于自适应阻抗控制的患者合作康复训练策略。人体与骨骼之间的相互作用扭矩通过反向传播神经网络和扰动观测器进行评估，其稳定性由李雅普诺夫定律证明。由于不需要交互扭矩传感器的额外需求，因此简化了该系统的复杂性并降低了成本。为了促进患者在康复训练过程中的参与，使用模糊算法根据人体与骨骼之间的相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。人体与骨骼之间的相互作用扭矩通过反向传播神经网络和扰动观测器进行评估，其稳定性由李雅普诺夫定律证明。由于不需要交互扭矩传感器的额外需求，因此简化了该系统的复杂性并降低了成本。为了促进患者在康复训练过程中的参与，使用模糊算法根据人体与骨骼之间的相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。人体与骨骼之间的相互作用扭矩通过反向传播神经网络和扰动观测器进行评估，其稳定性由李雅普诺夫定律证明。由于不需要交互扭矩传感器的额外需求，因此简化了该系统的复杂性并降低了成本。为了促进患者在康复训练过程中的参与，使用模糊算法根据人体与骨骼之间的相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。模糊算法用于根据人-外骨骼相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。模糊算法用于根据人-外骨骼相互作用扭矩来调整阻抗参数。实验结果证明了整个康复控制策略的有效性。