作为全向移动平台的一种,麦氏轮移动机器人因其无需重新定向就能实现任意方向的转向和在受限空间中的移动,当下受到广泛的关注。另一方面,为了提高移动机器人的自主性,视觉系统的广泛应用被引入到机器人的应用中。利用视觉信息跟踪运动目标是基于视觉的机器人在现实中的一个重要任务。然而,对于视觉系统,由于遮挡、特征匹配失败等原因,常常会产生间歇性的图像丢失进而导致目标信息采样失败。本文研究了基于视觉的麦氏轮移动机器人在存在间歇性图像丢失的情况下的目标追踪问题。在追踪过程中,机器人可能会经历多次目标图像以及目标信息的丢失。针对该现实问题,本课题首先利用切换系统的概念对问题进行建模。接着进行了切换控制方案设计、稳定性分析、引入随机模型等一系列工作。主要内容如下。首先,采用切换模型描述追踪问题。本文将追踪模型建立在MWMR本体坐标系下,这样就可以使用数学来描述装载在机器人上的摄像机等传感器。本文将系统的状态定义为机器人与目标之间的位置及方向的误差,系统的控制输入定义为机器人的三自由度速度。由于目标图像的间歇性丢失,该模型可以在两种模态之间切换:一种模态对应着目标图像以及目标信息可以正常获取的阶段,另一种模态对应着目标图像以及目标信息无法正常获取的阶段。在将追踪系统建模为切换系统的基础上,本文讨论了经典的切换系统分析方法,另外本文还分析了麦氏轮平台的动力学模型,这些给出了下文研究内容所需要的基础知识。接着,针对建模后的切换系统,本文给出了切换控制策略和稳定性判据。切换控制策略设计的核心是针对两种模态设计了两种控制器。在图像可以正常获取时,本文设计了可使闭环系统指数稳定的控制器。当图像丢失时,本文首先给出一个预测器来产生目标的估计位置和方向,然后设计控制器,使估计的目标的追踪误差指数稳定。两个控制器会随着模态的切换而切换,交替性的被激活以在系统中运行。另外,两个控制器除了结构不同,为了适应目标信息丢失所带来的目标位姿的不确定性,控制器的增益同样发生了切换。在切换控制策略的基础上,本文给出了稳定性判据。在图像丢失的模态中,当实际运动与预测器所估计的运动完全不同时,追踪误差可能增大,追踪误差也不能完全控制,这使得现有方法难以直接应用,进而造成在分析追踪系统的稳定性时会遇到挑战。为了解决这个问题,本文得到了一个在目标信息丢失时包含可能目标位置的规则图形。通过寻找MWMR与区域内所有点之间的最大距离,考虑追踪的最坏情况,从而给出追踪误差的随时间变化的上界。在此基础上得到了追踪系统的稳定性判据。该判据考虑了两种模态持续时间之间的关系。为了验证通过推导得到的结果,本文搭建了仿真平台。仿真结果验证了所提方法的有效性。最后,本课题研究了目标图像的丢失与否服从一定随机模型的问题。特别地,通过将切换系统进一步建模为连续时间马尔可夫跳跃系统,引入了随机模型。通过引入随机模型,可以将更多关于两种模态持续时间的信息以数学的形式表示出来。具体来说,在马尔科夫跳跃系统中,每个模态的持续时间将满足具有特定参数的指数分布。为了研究引入随机模型后,一个周期内追踪误差的增减,本课题推导了两种模式下追踪误差变化的期望值。为了使追踪误差期望的总趋势减小和收敛,给出了两种模式的控制器增益之间的关系。在这些控制器的作用下,系统被证明是均方稳定的。