步骤1：（内部稳定性补偿）。 通过选择适当的稳定反馈

 

可以实现系统的内部稳定性

步骤2 :(前馈补偿）。 通过第1步，闭环系统

 

  如果给定目标qk的速度作为前馈输入uk=-qk，由于B=E，所以实现了视觉伺服的目的。

步骤3 :(反馈的实现）。 组合方程（12）和（13）产生。

 

其中O3是3] 3的零矩阵。 因此，通过估计目标和相机xk的相对姿态和目标qk的速度作为估计x^k和q^k，可以采用以下反馈：

 

  应用（18），系统内部稳定，此外，从qk到xk的传递函数变为零。 因此，上述策略（内部稳定性的调节器问题）在控制视觉伺服方面非常有效。 在这个阶段，已经做出了理想化的假设，即没有相对运动的加速度（vk=0），并且没有测量的干扰（wk=0））

  然而，实际上这些术语肯定会影响系统。 因此，H =滤波器作为鲁棒估计器应用于该问题。 在存在由于不确定性引起的扰动vk和wk的情况下，估计变量xk和qk是重要的

4。2。 估计问题

 

其中vqk3R3。 上述方程式 （19）只是意味着移动目标的加速度是由外源输入vqk引起的。 因此，vqk可以表示干扰模型中的不确定因素。

然后， （11），（7）和（19）产生。

 

此外，术语vk，vqk和wk可以被表征为

 

  其中rvk∈R6，rwk∈R3。 现在假设∑ k ll0DDrvkDDll2（R和+ = k / 0DDwwDD2（R，因此，rvk和rwk不是特定信号，而是表示未知但是有界（在l2感测中）信号的类，而V，Vq， W表示每个幅度的加权因子。最后，通过吸收比例因子γ=diag（γcx，γcy，γch），可以构建以下增强系统：

 

而I6是一个6x6的单位矩阵。其中zek是待估计的输出向量，因为Le

=I6。因此，估计的问题是：在适当的意义上，使用观察yek在存在扰动rvk和rwk的情况下找到一个很好的估计zek。请注意，如果一个很好的估计zek（” xek），那么这个估计将给出关于移动目标的位置和方向的信息。 因此，这种信息不仅可以在策略（18）中使用，而且可以在一个完整的机器人系统中（例如在掌握中）以多种方式使用，

H∞滤波器视觉伺服系统英文文献和中文翻译(4):http://www.youerw.com/fanyi/lunwen_90884.html