CPG（Central Pattern Generator）网络控制与传统控制方法相比因具有可以显著地减小控制变量的维度，却不失其输出运动模式的复杂性等诸多优势而被广泛应用于机器人的运动控制。但是当前CPG网络的研究存在一种两极分化：一种是侧重控制功能，而不追求生物学合理性，根据控制目标设计出只适用于特定场合的网络结构，一旦提出新的控制要求，往往无法在原有的研究工作基础上继承发展，而必须从网络的基本环节层面重新探索，导致网络功能的适应性较差；另一种则是侧重研究网络生长发育的生物学机理，而忽视网络的控制功能，导致所建模型只能在形态学和统计学上与实际生物的神经网络进行比较，而缺乏实际应用的意义。因此，本课题通过在生长模型中引入一些可决定控制模型参数的物理特性，将CPG网络的生长发育过程和控制功能结合在一起，在尽可能符合生物学实际的基础上实现网络的控制功能，通过二者相互协调促进，来实现使所建模型越来越贴近生物神经网络的复杂度的同时，具有越来越丰富的控制功能的长远目标。首先，本课题通过研究神经元轴突生长的生物学机理，建立了基于万有引力和随机运动的轴突自生长迭代模型；通过对Rall神经电缆模型进行修改，建立了满足本课题需求的轴突信号传递模型；将生长模型与信号传递模型相结合，建立了具有多物理特性的神经元自生长简化模型。其次，通过研究Matsuoka振荡器模型，提出了一种局部CPG网络的拓扑结构，作为网络的生长目标；建立了能够稳定地得到目标结构的网络生长连接算法；利用单个神经元轴突的信号传递模型根据网路的生长结果计算整个网络的输出，获得了可用于四足机器人髋关节控制的网络输出信号。最后，搭建四足机器人运动控制的仿真实验平台，成功实现了由局部CPG网络的自生长，到由网络的生长结果获得输出信号，再由输出信号控制四足机器人虚拟样机实现特定步态的行走的全过程。验证了由本课题提出的具有多物理特性的局部CPG网络自生长算法具有其生物学合理性和应用于四足机器人运动控制的可行性。