由于足式机器人是一个多自由度、强非线性、多冗余的机械系统，其在未知、复杂环境中的运动控制一直是机器人研究领域的重点与难点之一。而自然界中生物的中枢模式发生器（CPG）可在无高层中枢参与的情况下，利用多传感信息，控制生物实现与环境的交互以及关节与肢体的协调，从而控制生物在复杂、未知的环境中运动，且其运动表现出很强的稳定性、适应性与协调性。因此，模拟生物CPG控制机制，建立足式机器人运动控制方法，是解决足式机器人在未知、复杂环境中的运动控制问题的有效途径之一。然而，现有的CPG仿生运动控制方法尚缺乏对于生物CPG控制机制的完整模拟，大多仅单独对机器人与环境的交互，机器人关节的协调或机器人肢体的协调进行研究，且存在神经元响应速度较慢，机器人与环境的交互受到传感信息的调节作用较少，较难同时协调机器人的多关节与肢体，较难根据机器人运动状态实时调整运动协调方式等问题，在未知、复杂环境中的稳定性、适应性与协调性较差。针对上述问题，本文对能够完整模拟生物运动控制机制的多层CPG运动控制方法展开研究，同时对生物CPG的多层神经网络结构、生物与环境的交互运动控制机制及生物CPG对多关节与多肢体的协调控制进行模拟，建立一种完整的仿生控制结构，使其能够在未知、复杂环境中，独立地完成足式机器人的运动控制，且其运动具有稳定性、对环境变化的适应性及多关节、肢体的协调性。具体研究内容主要包括以下几个方面：针对现有的CPG中间神经元模型响应速度较慢、运动神经元的输出缺乏在线调节的问题，模拟生物神经元的响应特性，利用Hopfield模型建立了中间神经元模型，实现了神经元对传感信息的快速响应；模拟生物神经-肌肉系统的工作原理，建立运动神经元模型，实现了机器人关节运动轨迹的实时、在线调节。在此基础上，针对现有的CPG控制方法所生成的运动形式较为单一、缺乏传感信息调控等问题，结合中间神经元与运动神经元模型，模拟生物CPG传感信息分层接收与运动命令分层执行的控制机制，提出并建立了一种多层CPG神经网络模型，实现了机器人关节的稳定节律运动控制。通过对比实验，对此神经网络模型的快速性、稳定性进行了验证。以矢状面内机器人单足的运动为研究对象，对机器人与环境的交互方式进行了分析，提出了各自由度方向上的稳定交互控制方法。依据此控制方法，在多层CPG神经网络的中间神经元层及运动神经元层中引入多传感信息，通过多传感信息对机器人运动节律、模式、关节轨迹的实时调整，实现了机器人、CPG控制机制与环境三者之间的闭环、稳定交互。在单足跳跃机器人实验平台上，对此交互控制方法的稳定性、适应性进行了实验验证，并与生物实验结果进行了对比。模拟生物协调机制，通过中间神经元延时环节的加入与传感信息对各关节运动神经元的调节，提出并建立了机器人肢体内多关节的协调控制方法，提高了机器人的前进速度、跳跃高度等运动性能；在关节间协调机制的基础上，提出了一种能够同时协调机器人多关节与多肢体，且能够根据机器人与环境的交互实时对协调方式进行调整的CPG协调控制机制，通过机器人肢体间的协作实现了机器人双足的稳定交替运动。结合CPG交互控制、机器人多关节、肢体协调控制，提出了一种能够完整地模拟生物CPG的运动控制与协调功能，独立地控制双足机器人在矢状面内生成稳定、适应、协调的运动多层CPG控制方法。以双足多关节机器人为被控对象，在仿真实验平台上对此控制方法的稳定性、适应性与协调性进行了实验验证。选择四足机器人作为多层CPG控制方法的应用与实验验证平台，根据四足机器人的机械结构与运动特征，提出了四足机器人的简化控制方法；通过四足机器人控制机制的简化与偏摆、旋转等自由度控制机制的加入，实现了多层CPG控制方法对于四足机器人的运动控制。分别在仿真平台与实体实验平台上对此控制方法的稳定性、适应性、协调性及运动精度进行了验证与对比分析。实验结果表明，此控制方法有效地实现了对生物CPG控制机制的完整模拟，且能够扩展至三维环境及对多足机器人的控制当中，能够独立控制机器人在未知、复杂环境中生成节律性运动，且其运动表现出较强的稳定性、协调性与适应性。