惯性导航系统具有隐蔽性好、自主性强、工作不受天气条件的限制等独特的优点,目前在军事和民用上有着极为广泛和重要的应用。平台稳定回路是惯性导航系统的心脏,其精度的好坏将直接影响到导航精度。传统的平台稳定回路是以模拟电子系统实现的,存在体积大、成本高、实现复杂、不易升级等缺点,因此数字控制成为平台稳定回路的发展方向。本文就是对基于DSP的平台稳定回路数字控制进行了研究。本文对平台稳定回路进行了理论分析和校正。通过设计和仿真,验证了传统的单闭环经典PID控制规律在控制精度、响应速度方面的可行性,并通过引入速度反馈的双闭环控制,克服了单闭环系统在抗干扰性能方面的欠缺。在双闭环控制的基础上,针对经典PID调节器不能有效跟踪控制系统参数变化过程这一弱点,利用神经网络具有自学习、自组织、联想记忆和并行处理等功能和对于复杂系统控制可以达到满意效果的优势,提出了采用具有自学习和自适应能力的单神经元网络——Adaline网络,来构成一种神经网络自校正控制器。这种神经网络自校正控制器不但结构简单,且能适应环境变化,有较强的鲁棒性。本文在自适应线性神经元控制器中引入了LMS算法,通过修改神经元控制器的权系数,使性能指标趋于最小,从而实现参数自校正控制的目的。提出了将传统校正方法经离散化后所得的数字控制算法的系数作为神经网络权值初始值的新方法,并采用了分段控制,将传统校正方法和神经网络控制方法相结合,取得了较好的控制效果。本文对平台稳定回路数字控制系统进行了软硬件设计。硬件设计部分介绍了数字控制器的外围硬件接口电路和工作原理;软件设计部分介绍了模块化方法设计的实现方案,与芯片硬件结构紧密联系的PWM波形产生程序模块。选用美国德州仪器公司的定点DSP芯片作为数字控制的核心芯片,具有高效、高速、高精度等优点而且本文所选用的TMS320F240芯片能够提供12路PWM输出,为电机控制提供了极大的方便。