仿人机器人属于串联关节型机器人，其在运动过程中，随着关节角度的变化，各个关节电机的负载转矩和转动惯量可能发生变化。为了提高仿人机器人的运动控制性能，提高单个关节在变负载条件下的自适应性，本文开展了负载自适应控制器的研究工作，主要研究内容如下：首先分析了仿人机器人的变负载关节伺服系统。简要介绍了仿人机器人的伺服控制系统，建立了基于直流电机的单关节双闭环控制模型，分析了负载转矩和转动惯量对关节伺服系统的影响。通过仿真，进一步分析了负载转矩和转动惯量变化对关节伺服系统动态性能、稳态性能的影响。其次，提出了负载自适应PID控制算法。在分析了基于BP神经网络的参数自整定PID控制的优缺点后，提出了基于神经网络离线整定的PID控制算法。该控制方法根据关节伺服系统在不同响应状态下对PID控制强度的不同要求，设计了基于传统PID参数的几种PID参数变化模态，PID参数变化包括削弱、增强、不变。而每一种模态中的PID参数的变化程度是根据神经网络的整定结果设定。该控制算法充分利用了神经网络的自学习能力，而且避免了神经网络在线学习耗时较长，算法复杂，不适合在线控制的缺点，提升了关节伺服系统的变负载适应性。此外，设计了关节伺服控制器的软硬件系统，对本文提出的控制算法进行了软件实现。最后，对本文设计的负载自适应伺服系统进行了仿真和实验。分别以本文设计的神经网络PID控制器和传统的PID控制器作为速度控制器，在负载变化的条件下进行仿真，并在变负载关节系统实验平台上进行实验。仿真和实验结果表明，本文设计的关节伺服系统具有较好的负载自适应性能，提升了关节系统的伺服性能，降低了关节系统速度响应误差。