1.一种手部康复机器人自适应控制方法，其特征在于，包括：获取表征用户运动想象的脑电信号和表征用户运动意图的上肢表面肌电信号；

对所述脑电信号进行特征提取和分类识别，获取手部的期望轨迹；

将所述期望轨迹输入变阻抗方程模型，获取手部的实际轨迹，以计算获得机器人各关节的运动控制量；

其中，所述变阻抗方程模型的阻抗参数根据所述上肢表面肌电信号自适应调整。

2.根据权利要求1所述的方法，其特征在于，所述对所述脑电信号进行特征提取和分类识别，获取手部的期望轨迹，包括：对所述脑电信号进行特征提取，获取脑电信号特征；

将所述脑电信号特征作为权重模型的输入，获取对应所述脑电信号特征的权重；其中权重模型是以训练脑电信号及其对应的权重为样本预先训练获得的；

对所述权重进行分类识别，确定期望运动的手臂；

选择所述期望运动的手臂对应的预设运动轨迹，确定手部的期望轨迹。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述上肢表面肌电信号进行特征提取和分类识别，获取对应手指的期望轨迹；其中，所述对应手指的期望轨迹包括对应手指的弯曲轨迹和伸展轨迹。

4.根据权利要求1所述的方法，其特征在于，所述上肢表面肌电信号的包括下述中至少一项：肱二头肌信号、肱桡肌信号、尺侧腕屈肌信号、挠侧腕屈肌信号、指浅屈肌信号、挠侧腕短伸肌信号、尺侧腕伸肌信号和指伸肌信号。

5.根据权利要求1所述的方法，其特征在于，所述脑电信号为左中央大脑皮层信号和右中央大脑皮层信号。

6.根据权利要求1所述的方法，其特征在于，所述将所述期望轨迹输入变阻抗方程模型，获取手部的实际轨迹之前，所述方法还包括：根据由所述上肢肌电信号获取的肌肉贡献率和肌肉活动度，计算获得上肢活动度；

将所述上肢活动度作为第一阻抗参数的修正系数，获取第二阻抗参数；其中，第一阻抗参数预先设定；

将所述第二阻抗参数作为阻抗方程模型的阻抗参数，获取变阻抗方程模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述实际轨迹输入机器人运动学模型，获取所述机器人各关节的运动控制量；其中，所述机器人运动学模型根据手指关节预先构建。

8.一种手部康复机器人自适应控制装置，其特征在于，包括：获取模块，用于获取表征用户运动想象的脑电信号和表征用户运动意图的上肢表面肌电信号；

期望轨迹确定模块，用于对所述脑电信号进行特征提取和分类识别，获取手部的期望轨迹；

实际轨迹确定模块，用于将所述期望轨迹输入变阻抗方程模型，获取手部的实际轨迹，以计算获得机器人各关节的运动控制量；其中，所述变阻抗方程模型的阻抗参数根据所述上肢表面肌电信号自适应调整。

9.一种手部康复机器人自适应控制设备，包括：存储器，处理器；

存储器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：执行所述可执行指令以实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。