中文摘要：

蛇形机器人缺乏实用性的一个原因是控制系统的不足限制了它的环境适应能力。根据对脊椎动物的运动神经机制的研究，提出一个层次化的控制系统，实现、改进它的各个组成部分。基于振荡器建立的多模态CPG能生成多种步态。证明它有任意节数稳定性、给出了它的模型参数与输出之间的解析关系。基于神经元建立的反馈式循环抑制CPG有输出幅值统一、模型参数与输出有较好的调整关系等特点。根据动物的多层CPG机制建立的双层反馈式循环抑制CPG能以较小复杂度实现单节CPG输出多自由度信号。以此为基础提出一个三维步态控制方法。 在提出的基于CPG的头部引导运动模式和基于幅值调整的转弯控制方法的基础上，通过反馈神经网络将障碍物信息融合到CPG中实现自主避障。根据生物原理，分别提出一个基于地面摩擦、运动速度的环境适应策略，将二者分别融合到CPG中实现环境自适应。根据经验学习机制，提出一个具有在线自主优化、学习能力的高层控制器。通过对已有优化结果的学习、记忆，得到环境与最优运动参数的近似关系，实现用预测的方法来实现环境自适应。本研究为蛇形机器人控制系统的设计提供了新的方法，降低控制系统设计复杂度，提高环境适应能力。