1.一种基于径向基神经网络的上肢外骨骼康复机器人控制方法，其特征在于，所述方法包括以下步骤：

步骤1，应用OpenSim人体建模理论对训练对象进行人体上肢肌肉骨骼建模，包含上肢运动相关的骨骼、肌肉仿真模型及运动数据采样标记点；

步骤2，设定患者康复训练动作，利用肌电采集设备采集上肢健侧肌电信号u的同时使用运动捕获设备采集运动数据，包含各个标记点坐标数据P(x,y,z)；

步骤3，将采集的运动数据导入到人体上肢肌肉骨骼仿真模型中，首先通过逆运动学求解推导出上肢各个关节在运动过程中的角度变化值；其次将关节角度作为输入通过逆动力学求解推导出模型上肢关节力矩τ；提取肌电特征，通过融合分析肌电信号特征值和关节角速度获取上肢运动意图识别特征指标；

步骤4，将肌电信号和关节角度信息导入径向基神经网络，输入端为上肢肌电u、关节角度θ，输出端为关节的力矩τ，根据该网络得到描述肌电、关节角度、关节力矩三者之间关系的表达式：τ＝f(u,θ)；并提取肌电信号疲劳特征，按疲劳度特征对肌肉疲劳度进行分级；

步骤5，患者利用外骨骼辅助康复机器人进行康复训练，提取患者患侧的肌电信号导入至步骤4的神经网络模型中，进而通过关系式τ＝f(u,θ)，获得患侧当前输出力矩τ′，从而控制辅助机器人力矩控制器输出所需要补偿的力矩τ补＝τ-τ′，并参照不同等级的肌肉疲劳程度适当调整控制器所补偿的力矩，此时外骨骼辅助康复机器人便可通过识别患者运动意图预测关节屈伸，进而控制关节力矩输出协助患者进行康复训练。

2.根据权利要求1所述的一种基于径向基神经网络的上肢外骨骼康复机器人控制方法，其特征在于：在步骤3中，肌电采集设备及运动捕获设备同时采集上肢肌电信号及运动信息，提取肌电信号特征值：积分肌电比值(PiEMG)，均方根比值(PRMS)，作为支持向量机SVM的输入，支持向量机的输出为关节屈伸状态；同时通过分析角速度变化辨识关节屈伸状态；融合两种辨识方法，综合分析肌电信号及角速度信号的辨识结果，若两种相同，则将此结果作为上肢运动意图的最终识别结果。

3.根据权利要求1所述的一种基于径向基神经网络的上肢外骨骼康复机器人控制方法，其特征在于：在步骤4中，引入神经网络用于描述患者健侧肌电、关节角度、力矩三者之间的关系：τ＝f(u,θ)，τ、u、θ分别表示患者健侧上肢的关节力矩、肌肉肌电信号和关节角度。神经网络的输入端分别为与上肢关节运动相关性较大的多块肌肉的肌电信号及关节角度，输出端为关节力矩，进而可通过采集相关肌肉的肌电信号及相应的关节角度得到对应的关节力矩。

4.根据权利要求1所述的一种基于径向基神经网络的上肢外骨骼康复机器人控制方法，其特征在于：在步骤5中，通过患侧镜像健侧的方法得到患侧描述肌电信息、关节角度、关节力矩三者之间关系的函数表达式：τ＝f(u,θ)，式中τ‘为患者患侧上肢关节力矩，根据不同级别的疲劳程度对补偿力矩τ补的大小进行调整，即τ补+Δτi；其中初始的补偿力矩τ补是通过式：τ补＝τ-τ‘计算得到，其中τ为运动数据驱动上肢肌肉骨骼模型运动仿真得到的关节力矩，Δτi为第i个疲劳级别的关节力矩调整数值。