近年来,机载测绘相机的发展十分迅速。被广泛的应用于军事、公安、森林防火、环境监控等领域。机载测绘相机在工作时,为保证成像清晰,需要相机的载体——稳定平台在CCD积分时间内克服飞机的姿态变化以及风阻力矩等各种扰动,使相机的成像视轴在惯性空间内保持稳定。可以说稳定平台伺服系统的控制精度在机载测绘相机的工作中发挥着极其重要的作用。本文以三轴机载稳定平台为研究对象,以实验为基础,对稳定平台的伺服控制技术进行了深入的研究。本文首先概述了国内外测绘相机和机载稳定平台的研究状况,介绍了常用的控制算法。给出了稳定平台的结构特征并归纳了稳定平台伺服系统及其扰动力矩的数学模型。进而通过实验以ADALINE神经元对平台伺服系统模型中的参数进行了辨识,在得到参数的基础上对平台伺服系统进行超前滞后校正,并对校正结果在频域内进行分析。此外,根据本系统在工作时受到的扰动力矩和负载变化问题,本文提出了基于神经网络的参数自适应解决方案。在详细分析了PID神经网络的原理、拓扑结构、学习方法及其初值选取的基础上,论述了PID神经网络直接作为稳定平台控制系统自适应补偿器的优点与不足,以及在作为控制器时权值初值选取的原则。最后,提出了一种基于PID神经网络的模型参考自适应控制方法,将常规频域校正与神经网络自适应校正有机的结合起来,既可以对控制系统的模型进行校正,同时也可以有效的对扰动和负载的变化进行补偿。本文对基于PID神经网络的模型参考自适应在稳定平台控制系统中的应用做了进一步研究,给出了PID神经网络在平台伺服控制系统中权值收敛时的稳定性分析,确定了学习步长n的取值范围,使控制系统在神经网络权值变化时仍然可以满足李雅普诺夫渐进稳定的条件,保证了控制系统自适应调整时的稳定性需求。同时提出了一种基于遗传算法的神经网络权值初值选取方法,在保证控制系统初始稳定的前提下,使神经网络权重初值尽可能的接近距离全局最优解,取得了较好的控制效果,最后给出了实验验证。