随着计算机硬件、各类电子器件处理能力的增强,在现代工业的自动化生产过程中,机器人应用越来越广泛,执行的任务也越来越复杂,对机器人要求也就越来越高。为了增强机器人的环境自适应能力,许多先进的机器人装备了各种不同的传感器,譬如摄像机(视觉传感器)、声波定位传感器以及触觉传感器等。尽管特定的应用场合可能要求比较特殊的传感器,但视觉传感器为绝大部分应用提供了一个更为有效、通用的方法。现在机器人研究的一个热点就是在机器人位置和运动的控制中,利用视觉信息反馈,来构成机器人运作的闭环控制。机器人视觉伺服控制涉及到图像处理、计算机视觉、运动学、动力学、控制理论以及实时计算等领域,是一个复杂非线性控制。在本文中,设计了一个以插轴入孔为实验目标、眼在手上的四自由度机械臂视觉伺服系统平台,运用一种基于图像反馈的视觉伺服控制方式,避免了将视觉信息映射到机器人空间的复杂运算,直接从图像平面信息中得出机械臂关节的控制信息。课题机械臂系统由关节伺服系统和视觉伺服系统两部分组成,相应的在主控计算机和图像处理计算机上设计。课题设计包括PWM调速、限位保护以及信号检测与处理等相关电路的电路板对关节的直流伺服电机实现驱动与控制。通过PCI1711数据采集卡,搭建RTW的实时仿真系统,建立了各关节的数学模型,并设计了具有速率环、位置环的双闭环结构的关节伺服控制器。利用Matlab下的图像处理工具箱,完成图像采集、预处理以及特征点提取等部分工作。采用神经网络学习方法设计视觉伺服控制器,避免求取图像雅可比矩阵的复杂计算和奇异性问题。本文采用远、近距离两个神经网络学习图像特征矢量变化量和相应关节角度增量之间的非线性关系方案,进行神经网络样本采集和离线训练。最后编写串口通信程序,实现主控计算机与图像处理计算机的联调,完成实验目标,并通过最终的图像特征矢量与期望值的误差给出系统的联调精度。