中文摘要：

中央模式发生器（Central Pattern Generators，CPG）是一种能够在缺乏有规律的感知和中央控制输入的情况下，产生有节奏的模式输出的神经网络。基于CPG控制的蛇形机器人的研究是在仿生学的基础上开展的，目的是为了实现蛇形机器人在复杂的非结构环境下能够实现自主的运动。本项目的主要研究内容是建立蛇形机器人的CPG控制模型，内部和外部控制信息的融合，实现在计算机上的仿真，并运用到实际的

结论摘要：

传统控制策略实现蛇形机器人运动控制都遇到了很难克服的问题。在蛇形机器人中，应用中枢模式发生器（CPG）神经网络来实现运动控制有以下优点（1）减少产生节律运动的计算量；（2）自动适应未知环境。本研究从工程角度出发，突破以相互抑制机理研究CPG的传统观点，首次创新性地提出应用循环抑制机理来研究蛇形机器人的CPG建模与实现的相关问题。其涵概了神经元模型的特性分析、蛇形机器人关节循环抑制CPG建模理论、蛇形机器人循环抑制CPG神经网络稳定性分析以及典型步态的生成方法、循环抑制CPG神经网络控制蛇形机器人蜿蜒运动参数设定策略、应用动力学仿真和实验对该CPG控制方法有效性的验证。首次证明持续型神经元构成的单向循环抑制 CPG是能产生振荡输出CPG中微分方程数量最少的，其产生振荡机理完全不同于传统的相互抑制CPG。首次用首CPG自激励权重调解成功解决了传统CPG控制系统中CPG的个数比蛇形机器人关节数多一个的问题，并用其实现了一种独特的转弯控制策略。首次应用双向循环抑制CPG神经网络在不同高级控制神经元命令激活下的输出实现蛇形机器人典型运动步态之间的转换，为蛇节律运动生成机制建模提供新方法。