随着图像处理方法和计算机性能的不断提高,机器人视觉伺服也取得了迅猛发展,并且在焊接与密封、传送带工件装配、跟踪与导航等方面得到了广泛的应用。然而因为机器人的机械臂是由转动连杆连接而成,这就导致机械臂的数学模型具有很强耦合性和非线性,所以在科学界机械臂的控制问题一直是一个热点的研究方向。针对机械臂视觉伺服系统的控制问题进行研究,本文的主要研究内容如下:首先,由于机械臂本身结构的复杂性以及外部因素,使得机械臂在建模过程中不可能得到实际上的数学模型。但是机械臂动力学模型的不精确将会影响到视觉伺服系统的控制性能,所以针对机械臂系统模型中的不确定项部分,提出将对角递归神经网络引入到机械臂的视觉伺服控制系统中。利用对角递归神经网络对系统的不确定项部分进行辨识,从而在控制律中实现对该部分的补偿,最终实现机械臂对静止目标的定位控制。其次,因对角递归神经网络在系统辨识中逼近能力较差,这就会使得其在机械臂视觉伺服系统的控制精度还有待进一步的提高。回声状态网络是一种新的递归神经网络,网络结构简单仅仅需要调整网络的输出权值,使得网络的收敛速度快,而且在网络的学习精度上有了很大的提高。故提出了采用回声状态网络来辨识机械臂模型的不确定项部分,并且在机械臂关节控制器中对系统不确定项部分进行的补偿,最终实现机械臂对静止目标的定位控制。最后,利用MATLAB仿真工具搭建系统仿真模型,对所提出的控制器进行仿真验证。仿真结果表明视觉伺服系统能到达期望的目标点,证明所设计的控制器是有效的。