用细胞神经网络(CNN)模拟中枢模式发生器(CPG)实现机器人运动控制是目前国际上机器人领域的一个研究热点。本文在阐述了这一研究课题基本原理的基础上,研究了一种集成的遗传算法(EGA)并用来进行CNN细胞参数模板设计,为CPG的实现提供了一种新思路。针对传统的CNN难于理论研究的缺点,利用非极性双曲函数代替传统CNN中的分段线性输出函数,构成了新的CNN。从理论上证明了新的细胞状态方程存在稳定的周期解,计算出了状态方程产生分支时偏置量的值,得出了网络偏置量的改变会影响状态方程振荡周期的结论,从而可以为通过CNN产生不同的CPG模式提供理论依据,本文通过计算机仿真验证了所得结论的正确性。进而,建立了基于CNN和模糊控制的CPG模型实现机器人的运动控制,利用模糊神经网络(FNN)整合系统运行过程中的控制误差。文中提出了CNN系统稳定的概念并给出了评估函数,为控制器的设计提供了评价标准;引入遗传算法为FNN提供了大量可靠的训练数据。仿真结果表明,本文建立的控制器具有较强的自适应性和抗干扰能力,同时保持了控制器可以通过硬件电路实现的优点。