蛇形机器人具有多个运动自由度、运动灵活，从而具有很好的适应环境的潜力和广泛的应用前景，比如在地震废墟进行搜索救援等。但是目前蛇形机器人的环境自适应能力还比较差，所以它们还无法投入实际使用。因此需要继续深入研究以提高机器人的环境适应能力。　　蛇具有很强的环境适应能力的重要原因包括:它们能够利用身体的灵活性实现多样、灵活的步态，并且能根据步态的特性以及所处的环境状态及时调整步态。因此要提高蛇形机器人的环境适应能力需要解决步态生成、步态特性分析、步态运用（适应环境方法）这3方面的问题。因此，本文主要进行了如下3个方面的研究:　　(1)提出HCCPG模型以控制机器人生成步态。　　蛇形机器人的步态基本都是节律的，而神经生理学的研究表明在脊椎动物中存在一种称为中枢模式生成器(Central Pattern Generator，CPG)的神经机制控制着很多节律性运动。因此可以通过构建CPG模型来提高机器人控制能力。因为CPG是由大量神经元组成的分布式系统，所以可以用神经元模型来构建联结CPG模型(Connectionist CPG，CCPG)以控制机器人。CCPG具有适合分布式实现、便于引入传感器感知信息等优点。因此，CCPG适合作为机器人的控制器。但是传统的CCPG模型在生成对适应环境具有重要意义的三维步态时，还有一些重要不足。本文根据生物CPG机理，提出了一种运动神经元模型和一个构造层次化模型的方法，进而提出一个层次化CCPG模型(HierarchicalCCPG，HCCPG)。HCCPG模型解决了传统CCPG模型的步态生成问题。为更好地利用提出的模型，本文对神经元模型、HCCPG模型的特性进行了深入分析。在HCCPG模型基础上，本文提出了一个二维步态、三维步态统一的生成方法。仿真验证表明该方法有效。　　(2)提出步态构型分析方法、并深入分析三维步态的特性。　　因为三维步态是机器人适应复杂环境的基础，而且每种步态都有其适应的环境范围，所以需要对步态的特性进行深入分析，以提高它们的环境适应能力。由于机器人具有多个运动自由度，所以可以实现多种步态，但是无法一一进行分析。本文分析了3种主要的三维步态的特性，即转弯步态、侧向蜿蜒步态、侧向翻滚步态。关注的步态特性包括运动特性和构型特性（身体外形特性）。运动特性即为步态参数、环境等对运动性能（速度、功耗等）的影响，而构型特性是指步态参数对机器人构型参数的影响。为了解决传统构型特性分析方法的不足，本文提出了一种基于多连杆模型的分析方法。这种方法具有便于直接得到步态参数与构型参数之间关系的优势。得到的步态特性为设计基于这些步态的自适应控制器提供了依据。　　(3)提出基于HCCPG模型与侧向翻滚步态的环境自适应控制方法。　　坡面是个常见环境，但是现有的自适应方法不能很好地解决该环境下的适应问题。通过分析比较，本文选择以侧向翻滚步态为基础来适应该环境。为此，首先分析了机器人在坡面上翻滚时的特性，并将这些特性与HCCPG模型相结合提出自适应控制器。仿真、实验表明该方法比传统方法更有效。此外，还提出侧向翻滚步态的运动方向控制方法，解决了基于该步态的路径跟踪问题。最后提出了逻辑神经元模型为设计逻辑控制系统提供了基础。　　综上所述，针对蛇形机器人自适应控制中存在的问题，分别从HCCPG模型的建模与分析、统一步态生成方法、步态特性分析、坡面自适应控制方法等方面进行研究，从而提高了蛇形机器人的环境适应能力。