机器人视觉伺服控制是当今机器人研究领域的热点之一。非线性、强耦合和不确定性等因素是影响机器人视觉伺服性能的主要问题,研究解决这些问题的方法,具有重要的意义。本文采用基于图像的视觉伺服控制系统,对于该系统中图像雅克比矩阵的复杂求取过程,本文采用智能控制的方法,学习二维图像特征与三维机器人空间的映射关系,研究内容主要包括以下几个方面:第一,由于神经网络具有能够逼近任意非线性函数的优点,采用神经网络控制方法,学习图像特征点和机器人关节角之间的映射关系,建立起整个机器人视觉伺服系统,进行仿真实验,验证系统的有效性。第二,由于神经网络所具有的固有缺陷,采用遗传算法对神经网络进行优化,并设计了基于遗传算法优化神经网络的视觉控制器,在整个机器人视觉伺服系统中进行仿真实验,提高系统的响应速度。第三,将模糊控制理论和小波神经网络控制理论结合,设计了基于模糊小波神经网络的视觉控制器,采用人类专家总结出的语言控制规则训练小波神经网络,根据语言控制规则,可以更方便地定义小波神经网络中各参数的初始值。将所设计的控制器在整个系统中进行仿真实验,验证了该方法的有效性。