在机器人控制领域中，由于足式机器人所具有的强耦合性、强非线性等特点，其在未知复杂环境下的运动控制一直是学术界研究的难点，而伴随着仿生学和神经生物学的发展，基于CPG神经网络的仿生控制被认为是解决上述难点的有效方法之一。但是目前人工CPG神经网络普遍存在的一个问题是：缺乏从神经生物学角度的研究，忽略了实际生物神经网络的生长发育过程，因而很难达到生物神经网络的控制性能。与此同时，随着神经元数值计算方法的不断发展，使得利用数值模拟的手段研究生物神经网络的生长发育过程成为了可能，但是目前这一研究尚处于初始阶段，存在广阔的理论研究空间。本课题围绕神经元自生长的数值模拟展开研究，并且以此为基础研究针对四足机器人步态控制的CPG神经网络生长算法。首先，分析神经元轴突生长的微观机理，建立了基于牛顿引力和布朗运动的神经元自生长模型；在此基础上进行一系列数值仿真实验，并与国内外已有的研究成果进行对比，验证了神经元自生长模型是正确有效的。其次，分析生物神经网络的生长机理，建立了神经元轴突约束函数，并利用人工智能搜索算法及优化算法，建立了CPG神经网络的连接算法；对神经元轴突的生长过程进行预测及评价，建立了轴突生长的评价函数。最后，针对四足机器人常见的四种步态进行了CPG神经网络生长仿真实验，实验结果验证了CPG神经网络生长算法的有效性；利用Matlab和Adams搭建了四足机器人虚拟仿真实验平台，进行Walk和Trot步态的仿真实验，验证了基于CPG神经网络生长算法实现四足机器人步态控制的可行性。