双足机器人作为典型的智能机器人,已广泛应用于军事训练、工业制造、医疗服务、交通运输等领域。车载作为主要的交通运输模式,也是双足机器人常见的活动场景。车载平台的加速或减速运动对车载双足机器人造成直立平衡干扰。目前双足机器人直立平衡控制研究较少,大多从基于模型和基于行为的角度出发,控制方法过于依赖双足机器人和其所处环境的模型构建,其自适应性和鲁棒性较差。将人体神经肌肉控制机制应用于车载双足机器人的直立平衡控制,提高实际直立平衡控制性能的仿生控制研究,具有重要的理论意义和较大的工程应用价值。本文采用“理论、仿真、试验”相结合的思路,以车载双足机器人为研究对象,对车载双足机器人运动控制中的重要问题——踝关节直立平衡控制方法进行了深入研究。主要工作和研究结果如下:（1）针对人体神经肌肉激活模型环路复杂且涉及模型参数繁多的问题,采用分层结构控制方法,构建了人体直立平衡踝关节肌肉分层激活模型（简称“肌肉分层激活模型”）,并提出了获取肌肉牵张反射激活分量、姿态补偿激活分量和肌肉激活量等方法;针对模型输入信号与肌肉激活量不同步的问题,提出了肌肉分层激活模型的时间延迟估计方法;提出了肌肉分层激活模型增益参数优化策略,进一步提高了肌肉分层激活模型对肌肉激活量的估计精度;通过试验验证了肌肉分层激活模型的精确性,精度可达到93%。肌肉分层激活模型可通过人体运动信号直接获取踝关节肌肉激活量,为车载双足机器人仿生控制奠定基础。（2）针对常用的双足机器人控制方法存在灵活性和鲁棒性较差等问题,在给出双足机器人踝关节直立平衡控制性能评价指标“抗扰周期和摆动范围”的基础上,以肌肉分层激活模型为基础,研究并提出了基于踝关节肌肉驱动机制的直立平衡仿生控制方法（简称“直立平衡仿生控制方法”）。该仿生控制方法模拟人体跖屈肌肉群和背屈肌肉群的作用机制,通过构建虚拟肌肉激活模型估计虚拟肌肉激活量,通过构建虚拟肌肉力学模型得到相应的虚拟肌肉作用力,再通过构建踝关节驱动模型估计车载双足机器人直立平衡控制所需的踝关节期望作用力矩,作用于双足机器人踝关节,使得车载双足机器人在较小车载平台加速或减速运动时,能快速、准确地恢复到初始的直立平衡位置。构建了车载双足机器人直立平衡控制仿真试验平台,验证了直立平衡仿生控制方法的有效性和鲁棒性。（3）针对车载双足机器人负载发生变化时直立平衡控制性能变差的问题,研究并提出了基于模糊插值推理的直立平衡自适应仿生控制方法。借鉴教育学中的经验学习教学法,提出了基于经验学习的模糊插值推理算法,当双足机器人负载发生变化时,通过模糊插值推理,更新直立平衡仿生控制方法中虚拟肌肉激活模型增益参数,保持车载双足机器人直立平衡控制效果,使得直立平衡仿生控制方法具备自适应控制能力,并进行了仿真验证。（4）针对直立平衡仿生控制方法中肌肉力学模型结构复杂且包含许多不易观测变量的问题,将双足机器人踝关节简化为由惯性、阻尼与弹性单元组成的二阶阻抗模型,改进车载双足机器人直立平衡仿生控制方法,提出了基于时变参数阻抗模型的直立平衡仿生控制方法。通过构建踝关节时变参数阻抗模型获取踝关节抗扰力矩,构建车载双足机器人倒立摆模型计算踝关节动态作用力矩,二者一起确定直立平衡控制过程中踝关节期望作用力矩。在构建的车载双足机器人直立平衡控制仿真试验平台上,完成了仿真试验,结果表明该控制算法提高了双足机器人的直立平衡控制性能。（5）构建了车载双足机器人直立平衡控制试验平台,在完成了踝关节力矩跟踪试验（力矩跟踪精度达到了98.7%）的基础上,完成了3种直立平衡仿生控制试验和基于神经网络学习的直立平衡控制试验。试验结果表明,4种控制方法均能满足车载双足机器人直立平衡控制要求,其中3种仿生控制算法直立平衡控制效果都优于基于神经网络学习的直立平衡控制方法,且基于时变参数阻抗模型的直立平衡仿生控制方法效果最好。本文完成了车载双足机器人直立平衡的踝关节仿生控制研究,在理论研究、计算机仿真和试验平台搭建等方面都进行了有益的探索,为双足机器人在交通运输行业的推广应用奠定了研究基础。