【摘要】 在柔性外骨骼助力方面，助力周期是生成助力轨迹的重要参数，影响着助力波形的完整性。针对变速步态下柔性外骨骼难以实时预测下一步态助力周期参数的问题，提出了一种基于SVM(支持向量机)步态分类的外骨骼助力周期参数预测方法。首先利用IMU采集人体姿态信息，然后提取姿态信息与助力周期相关的主要特征。并在此基础上，采用SVM模型识别不同步速下的步态，构建相应步态的BP神经网络助力周期预测模型，最后利用该模型对穿戴柔性外骨骼受试者进行行走、上/下楼梯等步态类型的识别。发现该模型预测的助力周期参数准确率达到95.5%。在此基础上进一步进行耗氧测试实验，结果显示穿戴外骨骼使用模型预测后的助力周期参数较不助力状态下的耗氧量降低13.031%左右，证明该预测方法能够达到较好的助力效果。更多还原