基于惯性稳定平台的视觉伺服系统能够在复杂地形环境中有效隔离载体运动,利用视觉信息识别并跟踪移动目标,因此被广泛应用于战场态势感知、武器瞄准系统、消防安全监测、天文地理观测等军事和民用领域。提高系统的快速性、准确性、可靠性一直是惯性稳定平台视觉伺服系统控制算法研究的目标。然而,多源干扰、视觉测量时延、大周期采样和目标丢失等问题给控制器的设计带来巨大挑战。为了实现惯性稳定平台视觉伺服系统的高性能控制,本文针对系统中存在的问题开展相应的控制算法研究。首先,介绍系统的实物搭建和工作原理,建立载体运动和目标运动下的系统模型,分析系统中控制问题的来源与影响。随后,从抗干扰控制、测量时延补偿、多速率采样控制和输出约束等方面进行控制算法研究:（1）为了提高系统在多源干扰影响下的跟踪精度,提出一种基于干扰观测器的鲁棒模型预测控制方法。首先,在系统建模中采用分块方法,获得与目标深度信息无关的运动学矩阵。然后,将未知深度信息、惯性稳定环角速度跟踪误差和目标运动等多源干扰视为集总干扰,并设计离散时间干扰观测器对其估计。接着,为了抑制干扰对系统的影响,在鲁棒模型预测控制器中利用估计值对集总干扰补偿。最后,通过实验探究参数选取规律,并验证所提控制方法的有效性。本研究将未知的目标深度信息引起的运动学不确定性视为集总干扰,设计了干扰观测器对其估计并补偿。这为基于未标定单目相机的视觉伺服系统提供了一种简单高效的控制器设计方案。（2）针对系统存在的视觉测量时延,提出一种基于时延干扰观测器的采样预测控制方法。首先,建立考虑测量时延和干扰的系统模型。然后,构建时延干扰观测器以估计过去时刻的干扰及其各阶差分。接着,利用干扰相关估计值和模型信息预测系统当前时刻的状态和干扰,并基于干扰和状态的预测值设计采样预测控制器。最后,通过多种情况下的目标跟踪实验验证所提控制方法对干扰抑制和测量时延补偿的有效性。本研究提出了一种基于时延干扰观测器的测量时延补偿方法。由于估计误差方程是时延无关的,所提时延干扰观测器的收敛动态没有波动,因此该方法提高了当前时刻状态和干扰预测的准确性,从而显著提升了系统的快速跟踪性能。（3）针对视觉传感器的大周期采样问题,提出一种基于输出预测器的扩张状态观测器,并设计多速率采样控制器。首先,在离散时间测量输出的基础上,设计基于输出预测器的扩张状态观测器,获得系统当前时刻状态和干扰的预测值。然后,根据连续时间状态和干扰预测值提出多速率采样控制器,在真实采样点之间增加虚拟采样点,提高系统的控制频率。最后,通过仿真和实验验证所提控制方法相对单速率控制方法的优越性。本研究在理论上严格分析了由数字控制器引起的闭环混杂时间系统的稳定性,比直接离散化设计与分析更符合实际情况;在工程上通过采样间输出预测提高了系统的控制频率,提升了系统的快速跟踪性能。（4）为了防止目标从相机视场丢失,提高系统在目标跟踪任务中的可靠性,提出一种基于增益函数和干扰观测器的鲁棒输出约束控制方法。首先,将目标丢失问题转化为输出约束问题,建立考虑干扰和输出约束的系统模型。然后,基于增益函数设计反馈控制方法,确保目标位置被约束在相机视场中。此外,为了提高系统在小误差情况下的抗干扰能力,输出约束控制器设计中引入基于干扰观测器的干扰估计与补偿技术。最后,通过仿真和实验验证所提控制方法的有效性。本研究通过引入增益函数确保了目标位置被约束在相机视场中,利用干扰观测器技术提高了系统在小误差情况下的抗干扰性能和跟踪精度,提升了系统全工况下的控制性能。