En el modo de guía con humano en el circuito (HIL), un piloto identifica rápidamente y se fija de manera flexible en un objetivo a través de una señal de imagen en tiempo real transmitida por la aeronave. Luego, se rastrea y compensa el error del ángulo de línea de visión (LOS) en el campo de visión para mejorar el rendimiento de guía y control de la aeronave guiada por imagen. Basado en la estructura física y los parámetros del dispositivo del buscador de imagen, se diseña una red de corrección apropiada para mejorar el rendimiento del bucle de estabilidad del buscador. Apuntando a un modelo de piloto de cruce preciso y extendido (PEC), se optimiza la estructura del modelo dinámico y se utiliza el método de estimación de máxima verosimilitud (MLE) de la estructura de error de salida para identificar los parámetros dinámicos. Esto compensa la deficiencia del modelado existente. Para resolver los problemas de optimización no lineales encontrados en el proceso de identificación, se utiliza una estrategia híbrida de un algoritmo genético (GA) y un algoritmo de optimización de Gauss-Newton para mejorar la probabilidad de encontrar la solución óptima global. También se utiliza el método simplex para mejorar la robustez del algoritmo. Además, se diseña una simulación de hardware en el circuito y se realiza un flujo de experimento HIL de múltiples rondas. Además, basado en la adaptabilidad del piloto a diferentes retrasos en la señal de imagen, se estudian los efectos de diferentes retrasos en la señal de imagen sobre la estabilidad y la tasa de rechazo de perturbaciones (DRR) del sistema de control del buscador. Los resultados demuestran que el algoritmo de optimización de gradiente híbrido (HGOA) puede encontrar el valor óptimo global, y el modelo de identificación puede reflejar con precisión las características dinámicas del piloto. En el modo de guía HIL, el comportamiento de compensación de seguimiento del piloto puede reducir la influencia del retraso de la señal de imagen sobre la perturbación del cuerpo de la aeronave aislada por el buscador. El modelo PEC optimizado y los parámetros dinámicos identificados mejoran la eficiencia del entrenamiento y selección de pilotos.