在视觉伺服机器人系统中,视觉传感器通过光电成像系统采集被控目标的图像,计算机对采集的图像进行数字化处理,能够对图像的像素分布、亮度和颜色等信息进行判别。视觉伺服机械臂系统具有精度高、成本效率高、系统灵活简单等优点,因此被广泛应用于机器人控制中。随着高端智能装备和高新技术的发展,工业自动化的程度将极大地依赖于视觉伺服机器人的应用。本文对机械臂视觉伺服控制系统进行了探讨,重点围绕具有执行器输入约束和图像输出约束的非标定视觉伺服控制进行研究,研究成果将为视觉伺服机器人控制提供创新性的理论基础,并且为实际的工程应用提供备选方法。本文结构安排如下:第一章主要回顾了视觉伺服机械臂控制系统的研究现状与研究热点;第二章概述相关的背景知识;第三章至第五章主要研究具有执行器输入约束的非标定视觉伺服控制;第六章研究具有输出约束与未知动态的自适应神经网络视觉伺服控制;第七章研究具有时变执行器约束与不确定动态的视觉伺服机械臂协调控制。第三至第七章具体的研究内容如下:一、研究基于磁滞约束的自适应视觉伺服控制,对执行器约束与机械臂动态进行解耦合,并提出自适应参数更新律在线预估未知的磁滞模型参数,设计磁滞补偿项来补偿磁滞非线性产生的约束效应。在视觉模型未标定的情况下,在线标定未知的视觉模型,并提出磁滞补偿的自适应视觉伺服控制器驱动特征点到期望的图像坐标。二、研究具有非确定性执行器模糊死区约束的视觉伺服机械臂控制,其中模糊死区斜率是模糊值而不是确定值,针对模糊死区斜率提出一种解模糊化方法将模糊化的斜率解模糊为确定值。基于Newton-Euler方法将机械臂动态分解,采用模糊逻辑系统逼近分解后未知的机械臂动态,减少在线逼近未知动态时所需的计算量,设计自适应模糊控制器实现非标定的视觉伺服跟踪控制。三、研究具有量化输入的视觉伺服机械臂控制,提出一个新的饱和切换量化器（SSQ）,其主要的优点在于可调的信息交换速率以及量化密度,同时将饱和效应也考虑在内。针对提出的饱和切换量化器与机械臂动态间的耦合,提出一种新的解耦合方法,将耦合动态分解为两部分:量化器参数乘以控制信号的乘积,以及有界的干扰项,建立视觉速度观测器预估视觉速度,提出自适应模糊控制器镇定闭环系统,驱动标记在机械臂末端的特征点在图像平面上的投影误差趋于零附近极小的范围。四、研究具有输出约束与未知机械臂动态的自适应神经网络视觉伺服控制,当机械臂的参数与结构都未知或不可测量时,设计自适应神经网络模块在线逼近未知的动态信息,该模块的优点在于在逼近未知动态时只需要用到两条参数自适应律去预估参数矩阵的范数而不是预估参数矩阵里面的每个元素,因此能极大的减少控制器的总体计算量以及保证实时控制。为了实现精确的视觉跟踪控制,在控制器设计时将输出非线性约束考虑在内,设计自适应神经网络控制器抵消图像平面上的约束效应,在运动控制器中集成Nussbaum增益,全局镇定闭环系统并驱动图像误差收敛于零。五、研究具有时变执行器约束与不确定动态的视觉伺服机械臂协调控制,在模型参数都未知时,设计自适应算法在线预估未知的参数向量,并将本地的图像误差以及同步误差纳入控制器以及自适应律的设计中,从而加强跟踪的鲁棒性,同时考虑连接网络中存在非对称的信号传递时延,确保视觉伺服机械臂系统本地的图像跟踪误差以及智能体之间的同步误差的收敛性。