机械臂广泛应用于资源采集、工业生产和生活服务等领域。随着第三代机械臂的深入研究,机械臂的智能水平越来越得到重视,带有反馈的控制方法也成为研究热点,无标定视觉伺服控制就是其中之一。机械臂无标定视觉伺服控制指的是,通过摄像机对工作空间的图像反馈,设计控制器来指导机械臂自主完成任务的控制方法,同时对摄像机的内外部参数不进行标定。对于无标定视觉伺服控制的机械臂研究始于上世纪九十年代,当前主要有基于图像雅可比矩阵的算法和基于智能拟合的算法。两类算法各有优劣,图像雅可比矩阵求逆计算量大且存在奇点问题,智能拟合算法实时性好但样本依赖度高,如何同时满足鲁棒性和实时性是近年来研究的热点。针对这个问题,本文的主要工作如下:(1)分析了机械臂动力学运动学模型以及视觉系统映射模型,基于上述模型搭建了仿真实验平台。(2)分析了基于图像雅可比的机械臂无标定视觉伺服控制算法和基于智能拟合算法的机械臂无标定视觉伺服控制算法。在搭建的仿真平台对两类方法进行仿真实验验证。(3)基于上述分析,提出了一种基于神经网的机械臂无标定视觉伺服控制算法。该算法基于双目平行视觉系统图像空间和笛卡尔空间的单调关系,引入BP神经网络对图像控制器的控制参数进行调整,使系统偏差更接近真实笛卡尔空间下的偏差,从而使运动控制更接近笛卡尔空间真实状态。然后结合拉格朗日动力学方程和机械臂动力学一般表达式,采用李雅普洛夫第二法证明了该控制系统的稳定性。最后进行了仿真实验验证。(4)搭建了基于双轴平行双目视觉系统和Denso六自由度机械臂的实物实验平台,针对基于图像雅可比的机械臂无标定视觉伺服控制算法、基于智能拟合算法的机械臂无标定视觉伺服控制算法,以及本文提出的算法进行了对比实验验证。