昆虫是世界上最多样化的种群之一,众多六足机器人就是受其启发并对其进行仿生设计的产物之一。六足机器人因为关节自由度多,灵活多变,运动时稳定性高而多被用于对移动速度要求不太高的复杂环境进行作业。对于六足机器人的研究,国内外的学者已经取得了丰富的成果。近年来,越来越多的启发式算法与机器学习算法被用于机器人的步态控制中,众多优化方法也被用在末端轨迹规划方法上。使机器人可以在众多原先所不及的复杂环境中平稳且高效地移动。甚至可以从“零”开始,“自己”学习如何站立甚至是学习如何稳定行走。本文主要在六足机器人仿生关节设计与其在特定条件下对机器人能量利用率的影响,末端轨迹在已知地面信息、非结构地形情况下的规划求解方法,基于前馈神经网络的六足机器人经典步态切换可行性等三个角度上对结构与控制方法进行改进与创新。首先由机器人整体设计要求,设计成一个能在六足式与整体球形两种形态下任意切换的六足机器人,再对躯体、腿足、上球壳等部分进行细节描述。接着对部分弹性关节进行仿生优化,主要包含对部分弹性关节的仿生设想的来源,部分弹性关节的模型简化、类等效模型。然后对六足机器人基于DH坐标法进行运动学与动力学的理论分析,求出六足机器人在摆动相中的腿与支撑相中的腿的以及机体之间的运动学、动力学关系。对部分弹性关节进行动力学与能耗分析,同时得出在特定关节转角函数下能使驱动所需输出平均力矩最小以及一个周期内驱动输出能量最小的两个最优弹簧弹度系数。部分弹性关节相较于完全弹性关节,其可以在机器人某个关节需要被加减速的时候释放其弹性势能,进行辅助加减速,减小了驱动器的必要输出。因为所需的力矩在条件给定时是一个定值,弹簧的辅助输出越多驱动输出越少,但是会带来一定的不稳定性。其后会对机器人控制系统的搭建进行说明,阐述机器人的智能化控制层次。对机器人控制系统进行选型。然后对机器人控制硬件进行选型,架构机器人的电路硬件,其中包括中央处理器、传感器、伺服驱动、动力系统等模块的说明与选择。之后则从末端轨迹规划与步态切换这两方面进行研究:采用KKT互补条件(Karush-Kuhn-Tucher)下的拉格朗日乘子法(Lagrange multipliers)将已知地面情况的非结构地形路面状况下末端轨迹曲线的生成转化为求解约束条件下的最优化损失函数,其损失函数与约束条件包含因引入弹性关节而对机体带来的影响,在原问题求解困难的情况下可以转化为其对偶问题进行方便且流程化的求解。以此末端轨迹为依据,根据经典的六足机器人步态规划考虑基于前馈神经网络步态切换的可行性和构建此基础实验网络的学习率、深度、单元数、激活函数类型等超参数。最后进行软件仿真与实物样机行走实验,在Adams与Matlab仿真软件中搭建相应的实验平台,分别对部分弹性关节的能量消耗进行仿真实验以及基于前馈神经网络的经典六足机器人步态切换仿真试验。部分弹性关节Adams仿真实验结果表明,在本文所设定的情况下部分弹性关节能有效减小足式机器人行走时的能量消耗,并且得出在给定条件下的具体减耗数据;而步态切换Matlab仿真实验验证了基于前馈神经网络的步态切换的可行性,并得到步态切换中持续过程及其与步态周期比值的数据。