为了提高光电跟踪系统的跟踪精度, 提出对粗跟踪环节设计共轴跟踪系统的方法, 在此基础上对精跟踪系统控制方法进行研究, 设计出自适应反演滑模控制器, 并将其运用于精跟踪系统构成基于共轴跟踪的双重复合轴系统。采用计算机模拟生成3种反舰导弹航路数据, 对该复合轴系统的跟踪效果进行仿真。仿真结果表明, 该系统均能精准、稳定地跟踪目标, 达到了舰载激光**跟瞄系统的精度要求。

为了解决光电经纬仪由于机动目标运动模型不准确而引起的跟踪精度下降的问题, 采用了单隐层前向神经网络(SLFNs)进行建模, 提出了基于状态参数双重扩展卡尔曼滤波估计的共轴跟踪控制技术。仿真与实验结果显示, 对83.33°sin0.6t的等效正弦目标的速度估计最大误差为0.070 9(°)/s, 跟踪精度为2.42′;对旋转周期为4.5 s的光学动态靶标的跟踪精度达到2.96′以内。由此可见, 所建立的模型与机动目标实际模型匹配, 双重扩展卡尔曼滤波器(DEKF)能快速跟踪和估计状态参数。与传统控制方法相比, 提出的方法具有更高的跟踪能力, 能有效提高系统的跟踪精度。

为了提高光电跟踪系统的跟踪精度，对其粗跟踪环节的共轴跟踪控制技术进行了研究。介绍了共轴跟踪控制的基本原理，分析了常用非线性卡尔曼滤波算法，并仿真比较了无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)的位置和速度的预测精度。在此基础上综合UKF和CKF的优点，设计了对延迟的合成位置信号进行处理的双并联滤波器，实现了光电跟踪系统的共轴跟踪控制。利用实测数据仿真实验表明，光电跟踪系统的跟踪精度明显提高。

为了在光电跟踪伺服系统中实现共轴跟踪, 采用神经网络极限学习机(ELM)对光电跟踪系统设备的运动状态及脱靶量进行了学习、训练和融合, 得到了目标的速度和加速度信息。通过算法优化减少了ELM系统大约50%的运算量, 使运算周期约为3.5 ms, 满足光电跟踪系统的实时性要求。仿真结果表明, 当目标运动速度为50°/s、加速度为30(°)/s2时, 预测的目标速度在峰值时的误差大约为±3(°)/s。最后, 通过跟踪光学动态靶标进行了共轴跟踪实验验证。结果显示, 系统最大跟踪误差由速度、位置闭环时的11.35′减小到0.88′, 随机误差由8.2″减少到7.6″。与其它控制方法相比, 提出的方法具有更高的实时性和精确度, 能有效提高系统的跟踪精度。

建立了基于数值微分的目标运动状态滤波预测模型，用s-函数实现了卡尔曼滤波预测算法。利用目标位置拟合方法给出角位置信息，并以此为观测信息通过卡尔曼滤波预测出当前角位置和角速度信息，将其引入跟踪控制系统中以克服脱靶量滞后问题，同时也实现了系统的等效复合控制。仿真结果表明，基于数值微分的模型适用于角度跟踪，滤波预测具有较好的鲁棒性。通过对两个不同等效正弦输入的验证，可知角位置合成精度对共轴跟踪影响较大，在脱靶量和跟踪架角位置采样匹配对应时，跟踪仿真精度较高，而对等效复合控制跟踪误差影响较小，输入信号角频率增大时误差增大。