陀螺稳定平台是光电跟瞄系统的核心,它能够隔离载体运动、风阻力矩、内部摩擦等因素的影响,保持平台上探测设备的视轴在惯性空间稳定,因此被广泛应用于军用及民用领域。本文以两轴陀螺稳定平台为研究对象,主要从补偿光纤陀螺信号误差和改善稳定环伺服控制性能两个方面进行了深入的研究。首先,本文概述了陀螺稳定平台国内外的研究状况,介绍了陀螺稳定平台发展面临的问题,光纤陀螺误差补偿方法以及光电平台稳定控制常用算法,针对现有的神经网络,归纳概述了其学习算法,稳定性研究现状。从设计指标出发,制定了总体设计方案,完成了器件选型和单轴伺服系统数学模型的建立。在此基础上分析了影响光电平台稳定精度的因素,系统隔离外界扰动的运动学原理,推导了平台稳定精度与隔离度之间的关系,从而为伺服控制系统的设计提供了理论依据。其次,为了分析光纤陀螺的随机误差对平台稳定精度造成的影响,介绍了光纤陀螺工作原理,噪声来源,以及ALLAN方差原理,在光纤陀螺随机误差建模过程中针对非平稳分型噪声较难模拟的问题,采用白噪声通过多级串联滤波器进行仿真的方法,并用多种功率谱密度方法验证了该种建模方法的准确性,相较于已有的运用正交小波进行模拟的方法,该方法相对简单方便。并通过对陀螺随机误差对平台角速率和角位置影响的仿真分析,说明了补偿陀螺误差对提高平台稳定精度具有重要意义。接着,为提高陀螺输出精度,提出对陀螺输出信号在小波滤波的基础上进行单神经元逼近补偿的方法。为此提出了一种单乘法递归神经元模型,并提出一种线性递减惯性权重萤火虫差分进化算法来训练该神经元模型,该方法可以有效克服BP算法易陷入局部极小值,收敛速度慢,鲁棒性差的缺点,为神经元的快速收敛奠定了基础。通过ALLAN方差对补偿前后的陀螺误差进行对比分析,结果表明提出的改进算法可以有效补偿陀螺误差,从而有效削弱误差对平台稳定精度的影响。然后,针对光电平台稳定环伺服系统设计了PID控制器,基于频域法设计了串联校正控制器,并结合单神经元PID控制和递归Adaline神经网络的优点设计了自适应复合控制器。并从动态响应,稳定精度方面对这三种控制器的控制效果进行了分析,实验结果表明基于神经网络的自适应复合控制器由于充分结合了传统控制方法和神经网络的优点,因而具有更大的优越性。最后,作为对基于神经网络的光电平台控制方法的进一步探讨,针对直流力矩电机系统设计了基于递归RBF神经网络的backstepping鲁棒控制器,对控制器的稳定性进行了数学证明并给出了仿真实例,由于该方法无需系统辨识,在光电平台稳定控制方面具有很大优势。同时,针对光电平台系统对实时性要求较高而神经网络具有延时,且易受到脉冲和反应扩散影响产生发散的问题,本文提出了一种简便的神经网络全局稳定性判定方法,并给出了严格的理论证明。这为日后神经网络在光电平台稳定控制等相关领域中的实际应用做出了积极的理论贡献。