人体膝关节力矩测试方法研究对于助力外骨骼力矩控制及助力效率测试具有重要意义。针对目前行业内现有人体关节力矩测试方法大多不适用于穿戴助力外骨骼时的人体关节力矩测试的问题，结合单兵助力外骨骼负重长时行走功能需求，提出针对实战需求的关节力矩测试方法，依据行走过程中的运动学、动力学及表面肌电信息，重点研究了基于逆动力学模型和神经网络模型的两种人体下肢关节力矩测试方法，实现不同负重水平下的助力外骨骼系统的人体关节力矩测试，主要包含以下工作：
构建了助力外骨骼机器人的人体下肢关节力矩测试系统。基于人体骨骼肌肉结构及下肢生物力学模型研究，使用表面肌电测试系统，三维运动捕捉系统，三维测力板，压力跑台及鞋垫式足底压力采集系统，采集行走过程的运动学、生物学及动力学信息，研究了人体下肢关节力矩测试流程，提出了基于人体关节力矩测试方法在标准实验室环境进行限定因素对比实验的外骨骼助力效率测试方法。
研究了基于逆动力学模型的人体关节力矩测试方法，提出适用于助力外骨骼系统中人体下肢关节角度计算的方法，构建动力学模型，利用牛顿欧拉方程计算助力外骨骼系统中的人体下肢关节力矩，并进行了人体自然行走实验，对比现有的权威研究结果验证了基于逆动力学解算人体关节力矩方法的准确性。
基于BP和LSTM神经网络建立表面肌电到关节力矩映射模型的助力外骨骼系统中的人体关节力矩测试方法，实现了对于不同负重水平下人体膝关节力矩估算，进行了人体自然步态行走实验验证，结果显示，基于0kg，5kg及10kg负重水平训练的LSTM模型能够分别实现相同负重水平内长时间的人体关节力矩估算，预测均方根误差在17%以内，互相关系数在0.89以上；基于5kg负重水平训练的BP模型能够较好实现对0kg，10kg及15kg负重水平下的力矩估算，均方根误差小于15%，互相关系数在0.95以上。