1.一种调整三自由度外骨骼运动状态的多模态控制方法，其特征在于，包括以下步骤：S01：构建三自由度外骨骼多模态动力学模型，得到各自由度的质量、重力、离心力和哥氏力矢量；所述构建三自由度外骨骼多模态动力学模型包括：使用牛顿‑欧拉迭代法对外骨骼进行建模，基础动力学模型为：，

其中， 为关节力矩， 为质量矩阵， 为哥氏力矩阵， 为离心力矩阵，为重力矢量，速度积矢量 ， ，位置矢量 ，关节角速度 ，关节角加速度 ；

在基础动力学模型的基础上增加质心向量 ，转动惯量 变化的描述，定义 为矩阵第 行第 列的元素， 为向量 第 行元素，由于状态空间方程解算结果复杂，这里以第三关节举例，其他关节依次类推，设 为外骨骼小臂连杆3×1质心向量， 为外骨骼小臂连杆3×3转动惯量矩阵，则小臂质量元素 为：，

，

外骨骼小臂哥氏力 元素为：

，

外骨骼小臂离心力 元素为：

，

其中， 表示沿着 轴从  移动到  的距离； 表示绕着  轴从 旋转到 的角度； 表示沿着 轴，从 移动到 的距离； 表示绕 轴，从 旋转到 的角度，表示第 个关节；

：外骨骼小臂连杆质量；

外骨骼小臂连杆质心向量的第一个元素；

外骨骼小臂连杆质心向量的第二个元素；

外骨骼小臂连杆质心向量的第三个元素；

外骨骼小臂连杆转动惯量矩阵第一行第一列的元素；

外骨骼小臂连杆转动惯量矩阵第一行第二列的元素；

外骨骼小臂连杆转动惯量矩阵第一行第三列的元素；

外骨骼小臂连杆转动惯量矩阵第二行第一列的元素；

外骨骼小臂连杆转动惯量矩阵第二行第二列的元素；

外骨骼小臂连杆转动惯量矩阵第二行第三列的元素；

外骨骼小臂连杆转动惯量矩阵第三行第一列的元素；

外骨骼小臂连杆转动惯量矩阵第三行第二列的元素；

外骨骼小臂连杆转动惯量矩阵第三行第三列的元素；

外骨骼小臂重力矢量元素为：

，

根据式(5)、(6)、(7)，考虑到系统扰动 ，多模态动力学模型为： ，

S02：将角度差与比例系数相乘，速度差与微分系数相乘，结合外骨骼多模态动力学模型，得到外骨骼控制律，构建PD控制器；

S03：通过RBF神经网络构建自适应控制器，对PD控制器进行扭矩补偿输出，控制外骨骼运动。

2.根据权利要求1所述的调整三自由度外骨骼运动状态的多模态控制方法，其特征在于，所述步骤S01之前还包括：S11：使用改进的DH模型构建外骨骼运动学模型；

S12：在笛卡尔空间中确定出发点和截止点坐标，然后采用三次多项式的形式对轨迹进行平滑处理，并将规划路径分割成多个离散点，出发点选择为外骨骼的初始位置，也就是让骨架处于悬垂状态，截至点为外骨骼各关节屈曲或内旋到极限位置；

S13：使用机器人逆运动学解算出各离散点对应的关节角后对其进行微分运算，得到角速度和角加速度。

3.根据权利要求1所述的调整三自由度外骨骼运动状态的多模态控制方法，其特征在于，将式(8)用名义模型表达：

 ，

其中， 为已知模型，

；

左右移项整理得：

。

4.根据权利要求1所述的调整三自由度外骨骼运动状态的多模态控制方法，其特征在于，所述步骤S02中外骨骼控制律为：，

其中， 为干扰项；

得误差方程：

，

其中， 为实际角加速度与期望角加速度的误差，即 ，其中 为期望角加速度，下标 表示期望， 为实际角速度与期望角速度的误差，即 ，其中 为期望角速度，下标 表示期望，为实际角度与期望角度的误差，即 ，其中 为期望角度，下标 表示期望， 分别为比例和微分系数。

5.根据权利要求1所述的调整三自由度外骨骼运动状态的多模态控制方法，其特征在于，所述步骤S03中通过RBF神经网络构建自适应控制器的方法包括：S31：RBF神经网络包括输入层、隐含层和输出层，在输入层 读取各关节角度误差及速度误差后，分成三个子神经网络分别对应肩关节两个自由度和肘关节一个自由度；高斯基函数 作为隐含层神经元，接收输入层信息后输出权重 ： ，

其中， 表示第 个高斯基函数的第 个径向基神经元的权重， 表示 个高斯基函数的第 个元素， 表示隐含层中第 层第 个径向基神经元的中心坐标向量， 表示第个径向基神经元的宽度；

S32：神经网络的补偿输出为： ，

S33：当给定一个极小正值作为逼近误差 时，存在一个理想权重 ，使得系统输出逼近 ，其满足以下不等式：式中， 为理想

估计干扰，系统逼近补偿误差 ，假设 收敛，则存在 ： ，

S34：当补偿项等于干扰项时，跟踪误差为0，此时系统工作在最佳状态，神经网络理想补偿等于理想估计干扰，此时权重为理想权重 ：，

S35：多模态动力学模型表达式第 行公因式与第 关节有关，且RBF神经网络对外骨骼三关节单独控制，控制律式(12)中质量项为：，

其中， 指第 关节的新型控制律的质量项， 为除第 关节以外的名义质量模型， 指第 关节的期望角加速度，则基于多模态动力学模型的新型控制律：，

S36：将各关节控制律的力矩输出分成两个部分，表示为 ，其中 为比例微分控制项， 为基于RBF的自适应补偿项；针对逼近过程中的未知干扰，需要对其进行自适应补偿控制，即 ；

S37：将式(20)带入式(9)整理得系统补偿误差方程：，

对 求导得 ，则上式写成以下形式： ，

S38：PD控制矩阵 ，各关节误差系数矩阵 ，根据式(18)，由于 ，为系统逼近补偿误差 ， 是 估 计 权 重 和理 想 权 重 之间 的 误 差 ，则 上式 写 成 以 下 形 式 ：。

6.根据权利要求1‑5任一项所述的调整三自由度外骨骼运动状态的多模态控制方法，其特征在于，所述步骤S03之后还包括使用李雅普诺夫稳定性判据判断系统稳定性，包括以下步骤：S41：建立李雅普诺夫方程：，

， 为矩阵的迹， 是对称正定矩阵且满足李雅普诺夫方程：，为正定实对称矩阵，且 ；

S42：沿着方程轨迹对式(24)等式两边进行求导得：，

由于 ，则式(25)整理成： ，

S43：将上式中的迹置0，即自适应律为：，

由于权重误差的导数的权重估计值的导数相等，则将式(27)代入式(26)得：，

S44：根据式(17)已知 是 的上确界，则 ，根据式(22)可知， 为矩阵的最小特征值， 为矩阵的最大特征值，则：，

S45：使 ，即：

，

通过减小 、增大 的最大特征值或减小 的最小特征值提高系统的自适应收敛效果。

7.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求6所述的调整三自由度外骨骼运动状态的多模态控制方法。

8.一种调整三自由度外骨骼运动状态的多模态控制系统，其特征在于，包括：多模态动力学模型构建模块，构建三自由度外骨骼多模态动力学模型，得到各自由度的质量、重力、离心力和哥氏力矢量；所述构建三自由度外骨骼多模态动力学模型包括：使用牛顿‑欧拉迭代法对外骨骼进行建模，多模态动力学模型为：，

其中， 为关节力矩， 为质量矩阵， 为哥氏力矩阵， 为离心力矩阵，为重力矢量，速度积矢量 ， ，位置矢量 ，关节角速度 ，关节角加速度 ；

在基础动力学模型的基础上增加质心向量 ，转动惯量 变化的描述，定义 为矩阵第 行第 列的元素， 为向量 第 行元素，由于状态空间方程解算结果复杂，这里以第三关节举例，其他关节依次类推，设 为外骨骼小臂连杆3×1质心向量， 为外骨骼小臂连杆3×3转动惯量矩阵，则小臂质量元素 为：，

，

外骨骼小臂哥氏力 元素为：

，

外骨骼小臂离心力 元素为：

，

其中，表示沿着 轴从 移动到 的距离； 表示绕着 轴从 旋转到 的角度；

表示沿着 轴，从 移动到 的距离； 表示绕 轴，从 旋转到 的角度，表示第个关节；

：外骨骼小臂连杆质量；

外骨骼小臂连杆质心向量的第一个元素；

外骨骼小臂连杆质心向量的第二个元素；

外骨骼小臂连杆质心向量的第三个元素；

外骨骼小臂连杆转动惯量矩阵第一行第一列的元素；

外骨骼小臂连杆转动惯量矩阵第一行第二列的元素；

外骨骼小臂连杆转动惯量矩阵第一行第三列的元素；

外骨骼小臂连杆转动惯量矩阵第二行第一列的元素；

外骨骼小臂连杆转动惯量矩阵第二行第二列的元素；

外骨骼小臂连杆转动惯量矩阵第二行第三列的元素；

外骨骼小臂连杆转动惯量矩阵第三行第一列的元素；

外骨骼小臂连杆转动惯量矩阵第三行第二列的元素；

外骨骼小臂连杆转动惯量矩阵第三行第三列的元素；

外骨骼小臂重力矢量元素为：

，

根据式(5)、(6)、(7)，考虑到系统扰动 ，多模态动力学模型为：，

PD控制器构建模块，将角度差与比例系数相乘，速度差与微分系数相乘，结合外骨骼多模态动力学模型，得到外骨骼控制律，构建PD控制器；

自适应控制模块，通过RBF神经网络构建自适应控制器，对PD控制器进行扭矩补偿输出，控制外骨骼运动。

9.一种三自由度外骨骼，其特征在于，包括外骨骼结构，所述外骨骼结构上挂载有至少一种功能性模块，采用权利要求6所述的调整三自由度外骨骼运动状态的多模态控制方法对外骨骼的运动状态进行调整，控制外骨骼运动。