视觉目标跟踪任务要求机器人在动态环境中实时精确的检测到目标,并完成基于视觉反馈的跟踪控制。该任务将计算机视觉和机器人控制结合起来,对目标检测算法和跟踪控制算法提出了巨大的挑战。本文为视觉目标跟踪任务设计了一种移动机器人控制系统,该系统包括视觉模块和控制器模块。视觉模块执行目标检测任务并反馈误差信息给控制器模块,控制器控制机器人跟踪目标。本文选择基于深度学习的目标检测算法作为视觉模块,其拥有很快的检测速度和很高的检测精度,非常适合于实时目标跟踪。机器人控制器由神经网络实现;为了应对视觉跟踪任务的高度非线性特性,本文基于大脑情感学习的机制,提出了一种拥有更强非线性映射能力的新型反馈情感小脑模型神经网络RECMAC(Recurrent Emotional Cerebellar Model Articulation Controller)。该网络包含用于捕捉系统动态响应的反馈环结构,可以使基于该网络的控制器在动态环境下变得更加灵活。基于RECMAC的控制器与鲁棒控制器结合在一起组成了机器人控制器模块。其中基于RECMAC的控制器是主控制器,执行了视觉反馈信息到机器人电机转速之间的映射,其权值更新律由李雅普诺夫稳定性定理导出;鲁棒控制器是辅助控制器,用于弥补RECMAC在逼近系统动力学过程中的近似误差。本文证明了整个系统可以达到一个H∞的追踪控制效果。在仿真实验中,基于RECMAC的控制器被用于控制一个三连杆机械臂和一个六连杆的双足行走机器人,对比实验验证了 RECMAC拥有更强的非线性映射能力。而一个模拟移动目标追踪任务则验证了基于RECMAC的控制器在目标跟踪任务上的可行性以及反馈环在动态环境中的重要作用。最后,我们将设计的控制系统应用在一个执行目标跟踪任务的机器人实际系统。