导引头系统是一类高精度的伺服系统,由于受外界环境等诸多不确定因素的影响,伺服机构的参数会发生变化,从而造成整个系统的性能下降。本文将针对导引头系统提出一种离线检测和模型修正的方法。本文首先对两轴稳定平台进行了动力学分析,结合机电控制理论建立了系统的状态空间模型。然后根据此模型,简要分析了模型中参数变化对系统的影响。由于变化后的模型是未知的,因此本文将通过系统辨识技术建立系统的精确模型。辨识主要包括算法设计和实验仿真两部分：(1)文中提出采用动态模糊神经网络(DFNN)模型对导引头系统进行辨识,分析了DFNN的结构、数学描述和具体的学习算法。文中引入EKF算法调整前提参数,采用线性最小二乘算法更新结论参数,对参数的学习算法进行了改进。(2)文中基于单轴转台搭建了相应的测试系统,完成了系统的测试实验。然后分别采用DFNN和改进的DFNN进行了辨识仿真实验,结果表明：与基本的DFNN相比,改进的DFNN总体性能有所提高。辨识获得的模型可以近似描述导引头系统的非线性、动态等特性,精度在要求的范围之内。文章最后提出将参考模型自适应控制与改进的遗传算法相结合的控制器参数优化方案。仿真结果表明采用本方法可以使整个系统的性能指标与参考模型相接近,达到了优化的目的。