本发明公开了基于ＲＢＦ网络的Ｑ学习框架仿人机器人稳定控制方法，该方法包括：提出基于ＲＢＦ网络的Ｑ学习框架（ＲＢＦ?Ｑ　Ｌｅａｒｎｉｎｇ），该框架解决Ｑ学习过程中状态空间连续化和行为空间连续化的问题；提出基于ＲＢＦ网络的Ｑ学习在线动作调整稳定控制算法，产生支撑腿的髋关节、膝关节以及踝关节轨迹，并通过计算出其他各关节角度控制仿人机器人稳定行走；最后通过在本实验室设计的Ｔｈｅ　Ｖｉｔｒｕｖｉａｎ　Ｍａｎ仿人机器人平台上验证ＲＢＦ?Ｑ　Ｌｅａｒｎｉｎｇ框架方法的可行性和有效性。本发明能够通过在线学习过程中产生仿人机器人稳定行走的步态。