双足机器人相比于一般的机器人有着更好的环境适应性和灵活性,相对来说更容易在一些复杂想地形上行走,如山地丛林等,因此受到军事、娱乐等领域的广泛关注。而由Mc Geer所开创的被动行走研究则为双足机器人行走研究提供了一种新的方向,被动行走机器可以在斜面上不依赖外界能量输入,仅依靠重力进行行走,相比于传统机器人行走有着更加拟人化的步态和更高的能量利用效率。本课题主要希望能够对被动行走的机理进行研究,为之后在被动行走的基础上增加主动控制提供相关的理论铺垫。本研究参考了国内外经典的被动双足机器人的研究,对一些条件进行简化从而建立了直腿和带膝盖两种结构下的模型。将行走的过程建立为连续摆动和离散碰撞两种阶段,对摆动阶段利用拉格朗日方法分析两种结构行走时的动力学;对离散碰撞阶段,利用角动量守恒关系来分析碰撞前后的速度对应关系,为之后被动行走的极限环特性研究以及增加主动驱动控制等研究奠定了理论基础。极限环行走意为在行走过程中的每个时刻并不都是稳定的,但整体的行走却具有周期性和稳定性。但极限环行走对初始条件有着很强的敏感性,必须在合适的初始条件下才能实现持续行走。因此本文在上述动力学模型的基础上,利用牛顿法和遗传算法等搜索算法来寻找给定条件下被动行走的不动点和极限环,表明了这些搜索算法对极限环搜索的有效性,并对寻找出的不动点分析了其稳定性和敏感性等属性。在上述理论分析模型的基础上,本文还利用虚拟样机仿真和实际物理样机的实验来证明了极限环行走的实际可行性。经过反复的实验后,在虚拟样机和实际物理样机中都成功的实现了无动力下的极限环行走。在虚拟样机和实际物理样机试验中我们发现,由于实际模型很难借助计算机搜索去寻找合适的初始条件,因此实现极限环行走需要依赖大量的手动试验去测试和寻找合适的初值,并且极限环行走本身对行走环境的要求也较为苛刻。为了改善纯被动极限环行走的这些缺点,本文在原先模型的基础上增加了中枢模式发生器作为驱动控制,为被动双足模型提供主动力矩驱动,并利用遗传算法为搜索和优化中枢模式发生器的参数。结果表明,基于中枢模式发生器控制的被动双足机器人能够更容易的实现极限环行走,并且有着更好的对斜面坡度的适应能力,从而实现更稳定的极限环行走。