仿人机器人的步行控制问题一直是机器人研究领域的重点和难点。目前,关于仿人机器人步行控制的方法主要是基于机器人的动力学模型,其所规划出的步态与人类的自然步态相去甚远,对于环境的适应性较差。随着CPG(中枢模式发生器)原理的发现,模拟生物节律运动的控制机制为仿人机器人的步行控制提供了一种新的思路。本文旨在将CPG控制机制引入到仿人机器人步行控制问题的研究中,设计了一种CPG网络模型来控制仿人机器人NAO在平坦地面和斜面两种地形环境下实现了稳定步行行走。本文的主要研究工作如下:首先,根据仿人机器人自身的结构特点及其步行行走方式,本文设计了一种CPG网络模型来控制机器人实现步行行走。本文对传统的Matsuoka振荡器模型进行了修改,设计了一种适合于仿人机器人运动控制的CPG振荡单元的数学模型,并根据仿人机器人自身的结构特点,利用本文所提出的振荡器模型设计了仿人机器人步行控制CPG网络模型。同时,为了提高机器人对于环境的适应性,研究了如何将相位复位和姿态反馈两种反馈策略引入到CPG网络之中。其次,针对CPG控制方法中网络参数配置困难的问题,本文提出了一种改进遗传算法的CPG网络参数优化方法。本文对传统遗传算法的选择算子和交叉算子进行了改进,设计了一种效率较高的CPG网络参数优化方法。同时,在仿真环境下利用本文设计的改进遗传算法,对平坦地面和斜面两种地形环境下的仿人机器人步行控制CPG网络参数进行了寻优。而利用优化结果对CPG网络配置后所进行的仿真实验也证明了该算法的有效性。最后,以仿人机器人NAO为实验平台,利用本文所设计的CPG网络模型控制机器人在平坦地面和斜面两种地形环境下进行了行走实验。在仿人机器人NAO的实际行走过程,利用第三章所提出的相位复位策略和姿态反馈策略对振荡器的输出以及机器人的姿态实时调整,成功完成了机器人的步行行走任务。实验结果证明了本文所设计的CPG控制方法的有效性和优越性。