光电平台系统在运行过程中会因为内、外部的扰动而导致系统稳定精度下降甚至跟踪失败,因此合理设计伺服控制系统,提升系统的跟踪和抗扰性能对视轴稳定精度很重要。而传统PID控制技术无法将各种非线性因素都考虑到,为此,本文基于滑模控制（Sliding Mode Control,简称SMC）开展了光电平台视轴稳定控制的研究,研究成果如下:第一,分析了光电平台的构成及运行要求,对光电平台伺服系统建模。研究了影响视轴的干扰并对其进行分类,以便后续制定针对性的控制方案。第二,针对模型参数摄动的内部扰动抑制问题,研究了自适应鲁棒滑模控制（Adaptive Robust Sliding Mode Control,简称ARSMC）,与内模控制（Internal Model Control,简称IMC）组合成IMC-ARSMC复合控制器,从而保证内部不确定性下视轴稳定和精准跟踪。另外,为了应对更为复杂的工况下参数摄动的问题,推导出改进的自适应率,从而提高不确定参数的估计精度。讨论了IMC-ARSMC的稳定性。仿真验证了无论输入的扰动如何变化,基于改进后自适应率的IMCARSMC的跟踪和抗扰性能都好于原有自适应率的IMC-ARSMC。第三,针对载体速率扰动的外部扰动抑制问题,结合自适应模糊滑模控制（Adaptive Fuzzy Sliding Mode Control,简称AFSMC）和自抗扰控制（Active Disturbance Rejection Control,简称ADRC）,设计了三闭环控制方法。利用SMC对不确定因素不敏感的特点来抑制模型内扰,使用AFSMC来消除滑模抖振,从而进一步提高目标跟踪的精度和效率;运用ADRC设计系统位置环以消除速率扰动对视轴造成的影响,并通过反向传播神经网络（Back Propagation Neural Network,简称BPNN）来优化参数整定。讨论了AFSMC和ADRC构成的三闭环稳定性。仿真表明,与经验调参法相比,基于BPNN的调参法可以避免参数整定的盲目性,提高了ADRC的抗干扰能力。此外,三闭环控制方法在提高系统稳定精度的同时增强了鲁棒性。第四,针对内部参数摄动、摩擦力矩及外部噪声干扰混合的抑制问题,设计了基于摩擦补偿的IMC-SMC与线性ADRC的多自由度控制器,不同的控制问题被分配到不同的自由度去解决:根据光电平台伺服系统中摩擦类型的特点,径向基函数神经网络（Radial Basis Function Neural Network,简称RBFNN）被引入IMCSMC复合控制器中,通过RBFNN的局部逼近特性对摩擦力矩进行补偿,模型不确定性通过IMC-SMC进行消除;同时,引入具有线性ADRC的多自由度控制器以观察和补偿外部噪声干扰,在保证快速准确跟踪的同时抑制强外扰。通过Lyapunov原理讨论了多自由度控制器的稳定性。仿真验证了多自由度控制器在参数摄动、摩擦力矩、噪声干扰等混合扰动下控制效果良好,对实际光电平台系统的开发具有重要参考价值。