随着科技的进步,人们对机器人的要求也越来越高,不仅要求机器人能够实现常规的动作,而且还要求机器人具有人类的视觉、思维、学习与自主能力等。为此,本文对单目视觉伺服机器人的智能抓取模型进行深入的研究,运用模糊神经网络来辨识单目视觉伺服机器人的智能抓取模型。论文首先回顾了机器人的发展概况以及发展趋势,总结了机器人视觉的研究内容以及模糊神经网络的研究现状,接着讨论了视觉伺服机器人的运动学和机器人视觉伺服系统,然后对目标识别技术和模糊神经网络技术等问题进行深入研究,最后实现单目视觉伺服机器人的智能抓取。在视觉伺服机器人的运动学和机器人视觉伺服系统研究方面,采用D-H建模法和CCD的成像几何建立视觉伺服机器人的正逆运动学模型,分析比较了基于位置的视觉伺服系统以及基于图像的视觉伺服系统、静态的视觉伺服系统和动态的视觉伺服系统。在目标识别方面,采用自适应中值滤波器来消除椒盐噪声对图像的影响,而采用自适应维纳滤波器来消除高斯噪声对图像的影响,采用FCM(模糊C均值聚类)来分割目标与背景并采用数学形态学来平滑目标信息,通过统计学分析,得到表征目标信息的特征向量。在智能抓取模型建立方面,运用六层模糊神经网络和三阶段混合学习算法,得到一种由数据自动生成基于模糊神经网络的Visual-Degree函数(视觉空间的特征向量到关节空间的关节变量之间的映射关系)的方法。在智能抓取实现方面,简单介绍了单目视觉伺服机器人的硬件组成,研究了PMAC(可编程多轴运动控制器)与主机的通信原理以及matlab与VC++的通信原理,创建了机器人运动的人机界面,实现机器人的智能抓取。