模块化自重构机器人由若干同构的基本模块相互连接组成，模块结构和功能上具备互换性，机器人可根据作业环境和执行任务改变模块之间的拓扑连接或关节形态，重构出目标构型。与传统机器人相比，模块化机器人具有构型不确定性、运动模式多样性及目标构型可重构性等特点，面向固定构型机器人采用的运动控制策略难以适用。因此，发掘适用构型广泛、模型易生长的运动控制方法，实现面向多种构型的统一协调运动控制，最大限度激发模块化机器人多模式运动能力和构型变化能力，是亟待解决的热点问题；针对模块化机器人工作环境复杂多变的特点，研究构型在不同环境下的运动自适应问题，具有重要研究意义。人工神经网络是解决非线性问题的有效手段之一，本文采用基于混沌神经元的运动控制策略，解决不同构型多模式运动问题。设计基于延时反馈控制方法的混沌CPG单元，将混沌解稳定到期望的系列周期轨道上；设计辅助神经网络功能单元如环境预处理网络、速度调整单元、相位切换网络等，结合混沌CPG，构成模块化机器人运动控制神经网络。利用提出的运动控制网络，针对蠕虫、十字、多足等典型构型进行运动规划，解决构型形态调节、运动切换、步态发生和全方位运动等问题，实现UBot机器人多模式运动。模型控制参数简单易调，激发运动模式丰富，适用构型广泛。本文为UBot机器人设计环境感知系统，建立环境预处理网络实现信号融合、处理，结合运动控制网络，构成环境信息-电机运动的反馈闭环控制系统。针对典型障碍特征和环境激励，提出基于神经网络的运动自适应机制，进行构型穿越孔洞、失稳自恢复、避障、跨越台阶和躲避危险运动仿真验证，实现构型在复杂环境下运动自适应。模块化机器人通过改变拓扑连接关系和模块关节形态重新构造自身结构，涌现出丰富的运动构型。本文阐述了模块化机器人构型变化的基本原理，针对拓扑不变的构型变化，建立变形控制器、运动神经元等网络，实现构型变化过程的协调运动和环境自适应；针对拓扑改变的构型变化，分析六足构型的可变化构型，建立构型变化运动协调控制算法，解决复杂综合变形过程中构型运动协调控制问题。Ubot物理模块由双转动自由度关节携带两个L型基体构成，本文在UBot模块机械系统基础上，针对模块控制系统处理能力、局部通信、能量管理和方位识别等方面进行改进设计，提高模块工作性能和使用效率，为模块化机器人运动控制等研究提供有效的硬件支持。本文搭建UBot机器人硬件实验平台，进行蠕虫、十字构型运动实验，验证提出的运动控制网络的有效性。