本文针对3关节工业机械手采用单目eye-in-hand方式抓取固定目标的工作任务,研究了基于模糊控制方法的机器人视觉伺服控制器和基于参数自适应模糊控制、模糊神经网络控制等自适应模糊控制方法的机器人视觉伺服控制器,以克服机器人控制系统中非线性、强耦合、不确定性等因素对控制性能的影响。模糊控制直接依据人类专家的控制经验进行设计,其设计不依赖于被控对象的模型,因此可以有效地实现对复杂、非线性、强耦合、不确定性严重的对象的控制。本文在总结了机器人视觉伺服控制的专家经验的基础上,设计了机器人视觉伺服模糊控制器。针对普通模糊控制器的参数在系统运行时无法在线调整,自适应能力差的缺陷,设计了两种参数自适应方法对机器人视觉伺服系统进行控制,一种方法为分段式参数调整,即对量化因子和比例因子进行分段调整;另外一种是函数式参数调整,即利用高斯基函数对量化因子和比例因子进行在线调整。将模糊控制和神经网络结合,用神经网络来实现模糊推理,设计了一种将高斯基函数作为模糊隶属函数的模糊神经网络,并将之用于视觉伺服系统的控制中。该方法既具有模糊控制不依赖被控对象的精确数学模型、鲁棒性强、算法简明易懂等特点,又具有神经网络的自学习能力,可以有效解决机器人视觉伺服系统的不确定性问题。对本文设计的各种方法都进行了仿真实验研究,仿真实验结果证明了所设计的各种自适应模糊控制器具有良好的控制特性,在应用于机器人视觉伺服系统时,都能取得很好的控制效果。