چکیده: یکی از زیرمجموعه‌های وسیع علم رباتیک، موضوع توان‌بخشی است و فیزیوتراپی یکی از پرکاربردترین روش‌های توان‌بخشی است. تخمین نیروی عضلات در فیزیوتراپی، توان‌بخشی و ساخت وسایل کمکی مرتبط با آن کاربردهای فراوانی دارد. از نیروی تخمین زده‌شده توسط سیگنال‌های الکترومایوگرام سطحی(sEMG)، برای کنترل ربات، تشخیص بیماری، تعیین نوع درمان و شیوه فیزیوتراپی استفاده می‌شود. در این پژوهش برای تخمین نیروی ماهیچه‌ای توسط سیگنال‌های الکترومایوگرام سطحی، از دو روش کلی طبقه‌بندی شامل روش‌های SVM، SVM-GA، استخراج ویژگی SVM توسط الگوریتم ژنتیک، جنگل تصادفی و مدل مبتنی بر SVR و SVR-GA استفاده گردید. سیگنال‌های sEMG طی انقباضات ایزوکنتیک زانو با ربات طراحی‌شده توان‌بخشی انجام شد، ثبت سیگنال الکترومایوگرام از ماهیچه‌های کوادریسپس ثبت گردید و هم‌زمان با آن نیروی موردنظر توسط سنسور فشاری به‌عنوان داده‌های ورودی و هدف آموزشی مورداستفاده قرار گرفتند. درنهایت مدل SVR-GA با دقت %98/22 عملکرد خوبی در تخمین نیروی ماهیچه‌ای نشان داد. در ادامه از نیروی تخمین زده‌شده برای کنترل ربات در دو روش کنترل امپدانس بر مبنای گشتاور و کنترل امپدانس با راهبرد ولتاژ استفاده شد. و با تحلیل ریاضی پایداری سیستم تضمین گردید.