足式机器人作为动力学系统,具有非线性、结构多变的特点。目前采用的控制方法中,基于模型的方法依赖于对本体和所处环境的精确建模,测量和计算的工作量较大,控制的实时性较差。而基于行为的方法由于全局规划系统和上层调控的缺失,系统的智能化水平较低,灵活性较差。生物CPG以其简单的结构形式、良好的内在耦合机制及一定的环境自适应性得到了研究人员的重视,正逐渐被用于控制各种形式的机器人。但机器人CPG运动控制系统在快速性、协调性及适应性等方面仍有所欠缺,与生物CPG的控制效果仍存在较大的差距。本文以提高CPG运动控制的快速性、协调性及适应性为目标,建立了多层CPG神经网络的数学模型,并融入基于生物反射建立的反射机制,实现了双足机器人于简单结构地面上的步行运动控制。首先,以人体步行时的关节运动轨迹为基础,提炼了关节间的耦合规则,确立了CPG网络输出信号的耦合形式,为CPG网络的输出目标提供了依据。在此基础上,利用改进的Van der Pol振子所建立的单神经元模型,运用收缩理论构建了包含有节律发生层、模式发生层和运动神经元层的分层链状CPG网络。通过耦合规则的调用改变CPG网络的耦合形式,输出适于当前环境的节律运动模式,实现了控制的快速性,并通过仿真实验对其模式输出的稳定性及运动协调性进行了验证。其次,对动物的三层反射模型进行了研究,给出了多层CPG运动控制系统的分层反射机制,并将欲建立的机器人反射机制根据其作用层次进行了划分。在此基础上,按照反射对机器人行走的必要性顺序,借鉴人体步行时的反射策略,对应建立了双足机器人的反射模型。通过相位调整和姿势反射等反射机制对多层CPG网络的输出信号予以调控,实现了控制系统、机器人及环境三者间的动态交互,增强了机器人节律运动的稳定性及环境适应性,并以仿真实验分别对各反射机制的有效性进行了验证。最后,利用ADAMS和MATLAB进行联合仿真,在融入了牵张反射及对侧伸肌反射机制后,分别对双足机器人受瞬间冲击、周期性冲击、坡面地形及阶梯地形等四种情况下的步行运动进行了仿真实验。实验结果验证了融合分层反射机制的多层CPG神经网络应用于双足机器人节律步态生成的可行性及有效性。