1.一种上肢训练机器人自适应控制方法，其特征在于，包括以下步骤：对上肢训练机器人进行动力学建模，获得动力学模型，并对所述动力学模型进行参数辨识，获得动力学模型的参数；

对上肢训练机器人进行被动、助动、主动三种模式设计；

对获得的动力学模型的参数进行逆动力学前馈补偿加PD控制器反馈补偿控制策略作为被动模式控制策略；

使用可变刚度能量域控制策略作为助动模式控制策略；

使用零力控制策略作为主动模式控制策略；

根据上肢训练机器人收到的输入信号进行自适应模式切换。

2.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，所述被动模式采用机器人逆动力学前馈补偿加PD控制器反馈补偿进行期望轨迹的跟踪，此模式下由机器人主导控制运动。

3.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，所述的助动模式下关节空间中机器人的动力学方程描述如下公式：n×1 n×n

式中，q∈R 是关节角度，表示对q的微分，表示对q的二次微分，M∈R 表示惯性矩n×n n n n阵,C∈R 表示向心力和科里奥利矩阵，G∈R表示重力矩阵，f∈R表示摩擦力矩阵，τ∈R表示执行器输出力矩，J表示雅可比矩阵，T表示矩阵转置， 表示所设计能量域的n梯度， 表示阻尼力，Fext∈R表示被试施在机械臂末端产生的接触力。

4.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，所述的零力控制策略包括重力补偿和摩擦力补偿。

5.根据权利要求3所述的上肢训练机器人自适应控制方法，其特征在于，设计能量域的梯度采用的模型表示为：i

式中φ (p)表示能量元， 是一个常数标量， 表示采样点的位置，p表示当前位置，T表示矩阵转置，K表示能量域刚度系数，N表示采样点个数；

利用高斯核函数计算p点能量的N个采样点的权重值:

i

式中，σ是控制每个能量元素影响区域的平滑参数；

定义归一化权重

点p的总能量:

能量域梯度:

6.根据权利要求5所述的上肢训练机器人自适应控制方法，其特征在于，能量域刚度系数K采用模糊推理自适应改变：机器人将收到的输入信号作为模糊推理系统的输入，模糊集的隶属度函数由5个三角形函数定义，将每个输入的模糊集命名为极小(VS)、小(S)、中(M)、大(B)和极大(VB)，将输出语言变量的模糊集命名为零(ZO)、正小(PS)、正中(PM)和正大(PB)；

经过模糊化、基于规则库的模糊推理和去模糊化三个阶段后，通过使用缩放因子，将输出的能量域刚度系数K缩放到[0,12]。

7.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，根据上肢训练机器人收到的输入信号进行自适应模式切换，具体包括：当上肢训练机器人收到的输入信号满足被动模式向助动模式切换准则时，从所述逆动力学前馈补偿加PD控制器反馈补偿控制策略切换至所述可变刚度能量域控制控制策略；

当上肢训练机器人收到的输入信号满足助动模式向被动模式切换准则时，从所述可变刚度能量域控制控制策略切换至所述逆动力学前馈补偿加PD控制器反馈补偿控制策略。

8.根据权利要求7所述的上肢训练机器人自适应控制方法，其特征在于，当上肢训练机器人收到的输入信号满足被动模式向助动模式切换准则时，从所述逆动力学前馈补偿加PD控制器反馈补偿控制策略切换至所述可变刚度能量域控制控制策略，具体包括：获取上肢训练机器人的机械臂末端力传感器的数值，根据力传感器数值计算一段时间内的冲量，当冲量大于所设定的阈值时，从所述逆动力学前馈补偿加PD控制器反馈补偿控制策略切换至所述可变刚度能量域控制控制策略。

9.根据权利要求7所述的多自由度训练机器人控制方法，其特征在于，当上肢训练机器人收到的输入信号满足助动模式向被动模式切换准则时，从所述可变刚度能量域控制控制策略切换至所述逆动力学前馈补偿加PD控制器反馈补偿控制策略，具体包括：获取上肢训练机器人的机械臂末端点在一段时间内的位置信息数据集，计算数据集中的中心点和偏离中心点最远的点，当所述偏离中心点最远的点和所述中心点的距离小于所设定的阈值时，从所述可变刚度能量域控制控制策略切换至所述逆动力学前馈补偿加PD控制器反馈补偿控制策略。