近些年来,随着生物学和仿生学的研究发展,很多的生物学的研究成果为假肢控制领域带来新的思路。研究发现,生物的很多运动例如呼吸、行走、心跳等,并不是由生物体的大脑去直接控制,而是由位于生物低级神经中枢的被称作中枢模式发生器(Central Pattern Generator,CPG)去直接控制。本文将基于CPG的仿生控制方法应用到下肢假肢的控制,主要工作内容包括以下几个方面:1、熟悉了解人体对步态的分层运动控制系统,将基于CPG的仿生控制方法应用于对下肢假肢的控制,使用自激振荡的非线性振荡器去模拟控制信号的产生过程,对常见的Hopf振荡器、Rayleigh振荡器和Matsuoka振荡器进行分析比较,选择Hopf振荡器作为组成振荡器网络的基本振荡器。2、Hopf振荡器仅能产生固定角频率的振荡信号,无法实现对外部训练信号的学习,因此将Dynamic Hebbian Learning学习算法加入到对Hopf振荡器的学习训练之中,改进的Hopf振荡器中的角频率由常量变为状态变量,进而可以实现对外部周期信号角频率的学习。3、将几个改进的Hopf振荡器组成CPG网络,振荡器之间实现耦合,使用正常的肢体行走步态数据去完成对整个网络的训练,并对整个振荡器网络引入反馈,用反馈信息去调整每个振荡器的幅值、振荡角频率和相位。训练结束后,由若干具有不同幅值、振荡角频率和相位的振荡器组成的CPG网络,可以实现对训练信号的重现,振荡器网络自激振荡输出可以用于控制假肢的信号,步速的调整和步态的切换。4、使用双下肢仿生平台作为测试算法的平台,使用Labview搭建上位机,实验结果证明可以将基于CPG的仿生控制方法应用于下肢假肢的控制,CPG产生的假肢控制信号和人体产生的用于肢体控制的信号十分接近,方法是可行的。