1.一种基于肌电信号预测的外骨骼闭环步进控制系统，其特征在于，包括：微控制器单元；

多模态感知模块，与微控制器单元连接，用于采集使用者的肩部与肘部关节角度信号以及人机交互力信号；

物理信息神经网络推理引擎，部署于微控制器单元中，用于接收由关节角度信号与交互力信号构建的瞬时状态向量，并输出当前姿态下对应于各关节的预测补偿力矩，预测补偿力矩包括重力补偿力矩和摩擦力矩；

物理信息神经网络推理引擎中的物理信息神经网络采用物理信息驱动的策略进行训练，包括：构建包含重力项、科里奥利力项、离心力项及摩擦力项的机械臂刚体动力学方程；

利用动力学方程在关节运动空间内进行随机采样，生成包含状态输入与理论力矩标签的物理仿真数据集；

使用物理仿真数据集对神经网络进行监督学习，使网络逼近真实的非线性动力学模型；

柔顺助力控制单元，与物理信息神经网络推理引擎连接，用于将预测补偿力矩与基于交互力信号得到的用户意图力矩进行融合，生成总驱动力矩指令；

柔顺助力控制单元用于执行力矩融合逻辑，力矩融合逻辑包括：对采集的原始交互力信号进行死区过滤；

将过滤后的交互力信号乘以预设的助力增益系数，得到用户意图力矩；

将物理信息神经网络推理引擎输出的预测补偿力矩乘以重力补偿系数；

将处理后的用户意图力矩与乘以系数后的预测补偿力矩相加，得到总驱动力矩指令；

电机驱动模块，与柔顺助力控制单元连接，用于根据总驱动力矩指令驱动外骨骼的关节电机。

2.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，微控制器单元通过USART2接口与USART3接口分别与左侧和右侧外骨骼执行模块建立全双工异步通信链路；

USART2接口连接左侧外骨骼执行模块，用于传输左肩、左肘关节的多维状态向量、肌电数据及力矩指令；

USART3接口连接右侧外骨骼执行模块，用于传输右肩、右肘关节的对称数据结构；

两条通信链路支持DMA传输模式。

3.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，多模态感知模块包括：角度传感器，安装于外骨骼的肩关节和肘关节处，用于采集关节的绝对角度信息；

力传感器或肌电传感器，安装于人机接触面，用于采集使用者施加的主动交互力或肌电信号；

微控制器单元将采集到的肩部角度、肘部角度以及对应的交互力信号进行组合，构建多维瞬时状态向量；

肌电传感器电路包括：

前级仪表放大单元，采用AD8226芯片构成差分放大电路，外接增益设置电阻；

信号调理链路，采用TL084运算放大器构建带通滤波单元、精密整流单元及包络检波单元，将双向交流肌电信号转换为单向直流包络信号；

微控制器单元同步采集来自肌电传感器的调理后模拟信号。

4.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，所述系统还包括多模态数据存储阵列，存储阵列包括：SDRAM存储器，通过FMC总线与微控制器单元连接，提供片外RAM空间，用于作为神经网络推理过程中的动态激活缓冲区及滑动窗口数据缓存；

QSPI Flash存储器，与微控制器单元连接，提供静态存储空间，用于固化经过INT8量化的物理信息神经网络推理引擎的模型权重及系统固件程序。

5.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，物理信息神经网络推理引擎采用全连接神经网络架构，包括：输入层，包含6个节点，对应由肩部角度、肘部角度、角速度、角加速度及对应交互力信号构成的多维瞬时状态向量；

至少一个隐藏层，包含64个神经元，采用ReLU激活函数；

输出层，包含2个节点，分别输出对应于肩关节和肘关节的预测补偿力矩。

6.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，所述系统还包括电源管理模块，电源管理模块包括：基于TMI7003B芯片的双路BUCK电路，分别生成核心电压与IO电压，核心电压经电感与电容滤波后供给微控制器单元的内核与数字电路，IO电压经磁珠隔离后分为数字电源与模拟电源，模拟电源为ADC模块供电。

7.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，所述系统还包括人机交互接口与调试接口：所述人机交互接口包括并行液晶接口及电阻式触摸屏接口，通过数据线及同步信号传输视频数据，用于实时显示关节角度、预测补偿力矩及系统状态；

调试接口包括一键下载调试电路，由复位电路与BOOT电路协同工作，通过单按键操作控制复位信号与BOOT0引脚电平，支持USB DFU或串口ISP程序下载。

8.如权利要求1所述的外骨骼闭环步进控制系统，其特征在于，机驱动模块采用磁场定向控制技术，以电流环作为内环，直接响应微控制器单元下发的力矩指令。