仿人机器人由于步行模式与人类的强相似性，具有很好的效率和环境适应性，特别适合与人类共同工作甚至生活，因此备受关注。步行控制器设计存在几个问题：静态的基于ZMP（Zero Moment Point）的方法具有依赖模型的局限性，需要预编码给定，适应性差；基于神经网络等智能方法缺少理论指导，其可靠性存疑。　　针对这些问题，本文设计并实现了基于神经网络的仿人机器人步行控制器，包括趋静控制器和趋动控制器，分别负责步行运动在趋静运动和趋动运动情况下的运动控制。　　在趋静运动控制中，控制的目标为结束当前运动并保持机器人的稳定。本文针对该情况下机器人的运动特点，将机器人的运动简化为三关节欠驱动机器人的运动，应用优化切换姿态的方法设计了控制器，并通过实验验证了控制器的有效性。　　在趋动运动控制中，控制的目标为实现连续步行运动。本文从仿生的角度出发，利用CPG(Central Pattern Generator)这类动物体内产生节律运动的神经网络，设计并实现了具有多层次结构的趋动步行运动控制器。对于设计的控制器，本文使用基于极限环理论的方法，通过寻找极限环，分析不动点稳定性及全局稳定性几步来分析说明仿人机器人趋动运动的稳定性。　　相比于静态方法，本文给出的基于神经网络的控制器对机器人模型依赖小，具有分布式结构，可以实现平滑修正等特点；相比于其它基于神经网络的智能方法，本文结合使用理论和数值仿真的方法给出了稳定性分析，更具可靠性。