小脑是人体的重要神经调节中枢,在运动控制和运动学习中发挥着重要的作用。当人体由于遗传或外界因素导致小脑损伤时,会出现“步履蹒跚、站立不稳”等共济失调症状。共济失调严重降低了患者的生活质量,然而目前却无有效的治疗手段。因此,深入研究小脑的运动控制机理,建立具有仿生意义的小脑模型,不仅可以提高我们对小脑运动控制机理的认知,而且对共济失调的治疗也有重要的参考价值。现有的小脑模型仅以控制效果为目的,虽借鉴了小脑的功能模式,却忽略了小脑的结构特性和学习机制。因此,本文依据小脑的细胞类型及其连接方式建立了仿生小脑功能模块,并结合监督学习和强化学习搭建了两种不同学习机制的仿生小脑运动控制模型。主要内容包括:（1）在深入研究小脑生理特性和结构功能等基础上,利用神经计算学方法和神经元模拟器建立了一种能够阐明其内部神经元主要通路和作用机制的小脑功能模块。（2）基于小脑功能模块和监督学习算法搭建了监督学习小脑模型,并在神经网络模拟器Emergent上验证了所建立模型的正确性。在此基础之上,进一步设计机械手臂跟踪控制仿真实验。结果表明,6个和10个基本单元的误差分别为5.12?1.09 mm和4.28?0.63 mm,即使用更多的基本单元,可以提高控制性能。针对该模型对于多维运动协调能力不足的问题,设计了基于可调模式产生器阵列的小脑模型。该模型通过多个可调模式发生器来共同操作多自由度手臂,实现了多维运动控制。结果表明,该模型的肘、腕关节的距离误差为4.12±1.82 mm和5.66±2.00 mm,具有良好的跟踪控制性能。（3）依据最近的小脑解剖生理学实验结果,小脑在运动学习过程中存在奖赏信号。据此,本文采用“行动器-评判器”算法构建了基于强化学习机理的仿生小脑运动控制模型。结果表明,该模型的肘关节和腕关节的距离误差为5.16±2.51 mm和6.82±1.89 mm,也能实现良好的运动控制。但是,基于监督学习的仿生小脑模型的执行速度优于基于强化学习机制的仿生小脑运动控制模型(t（28）6.01（29）t（39）0.0 5（28）1.68,p（27）0.05)。（4）为进一步验证所提出模型的可行性,本文开发了基于力反馈器的仿生手臂控制系统,包括整个系统的软、硬件设计。力反馈器控制实验表明,本文构建的两种仿生小脑运动控制模型的控制误差均小于10 mm,具有良好的轨迹跟踪性能。本文利用神经计算学方法建立了具有监督学习和强化学习能力的两种仿生小脑运动控制模型,并且都具有良好的控制能力和生物合理性。