实现稳定、高效与自然的类人行走是双足机器人领域重要的研究目标之一。与传统的主动机器人相比,双足被动机器人能耗较低、具有高度类人的行走步态等优势,目前已经成为双足机器人研究领域中一个热点方向。然而,由于双足被动机器人自身具有复杂的动力学特性,并且对外界环境极为敏感,在某些参数的改变时会引发不稳定的非周期步态,如倍周期分岔、混沌步态等。当机器人行走过程中为非周期步态时,机器人系统的稳定性变差,甚至产生跌倒。这对机器人来说是非常不利的。因此,对机器人施加主动控制,使机器人不稳定步态重新转变为稳定的周期步态成为双足被动机器人控制领域中亟需解决的关键问题。本文以双足被动机器人为研究对象,针对斜坡倾角所引发的混沌步态提出有效的混沌控制策略,为主动控制下双足机器人的稳定步行提供了有力的理论支撑。本文研究工作主要如下:第一,参考人类的步态划分,利用Lagrange法与角动量守恒原理建立双足被动机器人的混合动力学模型。在此基础上,采用庞加莱映射的方法分析机器人步态的渐进稳定性并利用Newton-Raphson迭代法求解机器人步态不动点。针对机器人的非周期步态,将外部参数斜坡倾角视为变量,利用Floquet乘子、步态分岔原理分析斜坡倾角改变下的机器人步态变化规律。第二,针对双足机器人的高度非线性与混合动力特性,提出一种基于动态模糊神经网络的步态预测方法。从渐进稳定性角度分析并推导机器人混合系统的可辨识条件,利用动态模糊神经网络分别建立机器人的摆动阶段与碰撞阶段预测模型,依据两阶段同一变量的耦合、转换关系,将两个神经网络相结合,实现对双足机器人运动步态的准确预测,为基于步态预测的控制方法提供了有力的支撑与铺垫。第三,结合对双足机器人的步态的准确预测,提出一种基于DFNN的混沌步态预测反馈控制方法。利用机器人当前状态信息与预测到的的未来状态,设计一种自适应预测反馈控制器,实现对机器人混沌步态的有效控制。第四,首先针对双足机器人不动点难以快速获取等问题,提出一种基于与动态模糊神经网络与Newton-Raphson迭代法相结合的不动点快速获取方法。随后基于OGY法与反馈控制的基本思想,提出一种基于自适应能量反馈与OGY法的混合控制方法,弥补了传统OGY法在双足机器人混沌步态控制中实时性差等缺陷,并通过系统仿真验证所提控制方法的有效性。