仿生机器人的优势在于其借助了动物的外在形体结构，而这种结构是经过千万年自然进化形成的，因此对于适应环境具有天然的优势。然而，动物通过关节的往复式运动（主要是腿式）不同于工业中常用的单向旋转式运动（主要是轮式）。此外，动物的肢体为开放单链式结构，其运动形式具有较高的冗余性，这些都对仿生机器人的控制提出了挑战。经过解剖生物学研究发现动物的大部分节律性运动由中枢模式发生器(Central Pattern Generator，简称CPG)来控制。因此研究者利用数学模型来模拟CPG用于仿生机器人的控制。　　 CPG控制方法已经成为仿生机器人控制的主要方法之一。其优势包括利于分布式控制，利于传感信息的引入等。蛇形机器人CPG控制的主要方向之一就是如何使得机器人运动更加接近于生物蛇，并使其具有较强的环境适应能力。生物蛇对于环境高适应能力归功于它能够在不同的环境采用不同的步态，因此蛇形机器人的三维运动能力是其环境适应能力的重要一环。本文构建了一种多模态CPG模型可以生成蛇形机器人多种步态。基于多模态模型，引入神经步进激励机制，提出一种蛇形机器人控制参数调整以及步态转换的仿生控制策略。本文研究内容包括:　　 1、提出了一种用于蛇形机器人控制的多模态CPG模型。　　 针对蛇形机器人CPG控制中步态单一的问题，依据生物学原理，构建了多模态CPG模型，可以实现蛇形机器人的多种步态，为蛇形机器人根据环境调整步态提供了基础。针对蛇形机器人CPG控制模型稳定性证明不足的问题，提出了多模态CPG模型任意节的稳定性证明，在理论上保证了多模态CPG模型输出的平滑稳定。利用仿真以及实验平台验证了多模态CPG模型的有效性。　　 2、分析了多模态CPG模型的参数及模型特性。　　 为保证多模态CPG模型能够满足蛇形机器人复杂的运动控制需要，对多模态CPG模型中各项参数的意义以及对最终输出的影响和关系进行了分析并给出了表达式，并利用仿真对其进行了验证。从而为进一步的参数调整策略提供了基础。通过引入外部激励与模型参数之间的关系，从而使得多模态CPG模型具有一定环境适应能力。　　 3、提出了一种基于神经步进激励机制的仿生控制策略。　　 目前用于仿生机器人环境适应的CPG模型参数调整方法都是基于已有的优化方法，缺乏对于动物自身CPG参数调整机理的研究，因而存在需要预先训练或在线搜索时间长等问题。通过已有解剖神经学研究，动物运动是通过不同的神经激励来获得运动幅度频率的调整以及步态的转换。因此，本文引入神经步进激励机制，结合蛇形机器人自身运动特点，提出了一种基于多模态CPG模型的结构简单，调整快速的仿生控制策略。该策略很好的利用了蛇形机器人几种典型步态的特点，通过对于自身状态的评估，选择恰当有效的步态以提高运动效率。该仿生控制策略能够有助于提高蛇形机器人的环境适应能力。　　 综上所述，针对蛇形机器人CPG控制中已有的问题，分别从CPG模型的建模与稳定性证明，CPG模型参数分析以及CPG模型参数调整的仿生控制策略的建立三个方面进行研究，从而提高蛇形机器人的运动效率以及环境适应能力。