随着科技的飞速发展,机器人广泛用于工业生产和生活服务等领域。视觉是机器人智能化的一种体现形式,机械手视觉伺服成为了机器人领域的一个重要的研究方向,并且机械手的智能水平也越来越得到重视。将智能控制引入机械手视觉伺服控制系统,提升机械手的智能水平,提高系统的快速性、稳定性与准确性,是当前的研究热点和重点,具有广阔的应用前景。本文模拟人类基于视觉偏差的抓取行为,针对机械手抓取过程,设计了机械手运动控制的视觉伺服智能控制框架,提出了一种基于仿人智能控制的机械手视觉伺服控制方法。针对仿人智能控制器控制参数的学习问题,引入强化学习算法,对控制器的相关控制参数进行学习与优化,实现机械手的视觉伺服智能控制抓取任务,完成的主要工作如下:（1）提出了一种眼在手的机械手视觉伺服系统控制方法。分析了眼在手的机械手视觉伺服系统,基于仿人智能控制理论,设计了改进的仿人智能多模态控制方法,该方法根据眼在手的机械手视觉伺服抓取系统的控制要求和特点,确定目标特征状态,通过划分目标状态偏差及其变化率等信息,构成动态信息空间并得到特征模型,采用基于卡尔曼滤波的特征状态估计优化特征偏差的输出,解决运动视觉中的噪声干扰问题;提出了基于特征模型和特征辨识的多模态控制策略,根据不同的特征状态设计了多个控制模态,引入了强化学习算法对控制模态的控制参数进行学习与优化。在Matlab仿真环境中,利用机器人工具箱和视觉工具箱进行了控制算法仿真实验,验证了本文基于强化学习的仿人智能控制方法的有效性,获得了更好的控制效果。（2）设计实现了基于机器人操作系统ROS（Robot Operating System）的机械手视觉伺服实验平台,进行了机械手抓取实验。根据控制系统的要求,完成了机械手视觉伺服控制系统的控制框架与硬件架构的设计。机械手控制系统采用UR5协作式机械臂、Robotiq-85夹爪和MIC-7700工控机,利用D435i摄像机实现眼在手视觉感知。基于上述系统,搭建了系统实验平台,进行了机械手视觉伺服系统抓取实验,通过实验的结果验证了本文所提方法与系统的快速性和准确性。