近年来,足式机器人作为一种新型的高科技集成产物,在军事行动、消防救灾、极地考察等方面发挥着重要作用,其研究工作得到了国内外科研人员的广泛重视。随着科技的进步,人们对四足机器人的控制性能提出更高要求。因液压驱动单元具有滞后性、负载时变、非线性等特点,给解决系统的辨识与控制问题增加难度。因此提高辨识与控制精度,研究新型智能控制算法具有工程应用价值。本文以四足机器人液压驱动单元为研究对象,根据液压驱动单元的半物理仿真实验台模型,建立液压位置驱动单元和单自由度驱动力单元的线性微分方程数学模型。基于MATLAB仿真得到模型响应性能曲线,验证数学模型的模型结构(阶数)。为后续的神经网络辨识提供理论基础。其次,针对线性微分方程数学模型不能反映实际系统的问题,采用BP网络与Elman网络对四足机器人液压位置／力驱动单元进行静态与动态神经网络辨识研究。针对网络收敛速度慢、辨识精度低及泛化能力弱等问题,采用拟牛顿算法、LM算法、自适应调整学习率算法对权函数进行修正,并采用均方误差函数与归一化均方误差函数修正误差函数。通过实验数据与辨识结果对比,验证辨识精度,为进一步的控制理论研究奠定了基础。最后,为改善系统动态特性,针对四足机器人液压位置／力驱动单元系统设计BP神经网络PID控制器。针对神经网络控制算法收敛速度慢、神经元传输函数线性且不连续可导等问题,采用基于梯度下降算法的BP神经网络修正PID的三个参数,实现PID参数在线校正。实验结果表明,采用该控制算法在不同负载的工况下力／位控制有效。该研究为四足机器人的神经网络控制提供了可靠的依据。本文不仅对四足机器人液压驱动单元进行了动态与静态神经网络辨识,还对液压位置／力驱动单元进行了控制。该研究为四足机器人的神经网络控制与辨识提供了可靠的依据。