高空长航时无人机留空时间长,飞行高度高,要求自主导航系统具有较高的精度和可靠性。捷联惯导系统自主性好,但误差随时间累积;全球定位系统的位置精度高,但信号易受干扰;天文导航系统定姿精度较高。然而单一的组合导航模式无法满足高空长航时无人机的要求。因此,通过SINS/GPS/CNS多传感器融合来提高系统的精度、可靠性和自主性。本文针对无人机对导航系统可靠性要求较高的问题,研究了组合导航系统的滤波算法和容错技术,主要研究工作如下:首先介绍了组合导航系统的基本原理和概念,建立了SINS的误差模型;构建了基于联邦滤波结构的SINS/GPS/CNS组合导航方案。对SINS/GPS/CNS组合导航系统进行建模,构建SINS/GPS、SINS/CNS局部滤波子系统模型,为本文后续章节工作奠定理论基础。针对组合导航系统的模型结构参数和噪声统计特性参数不准确的问题,研究了一种改进的自适应强跟踪卡尔曼滤波算法。将Sage-Husa自适应滤波和强跟踪滤波算法结合起来,在线实时估计系统的量测噪声,调整系统参数,防止滤波器发散;在滤波过程中加入UD分解,保障滤波器的稳定。仿真结果表明改进的自适应强跟踪滤波算法具有较高的滤波精度和突变跟踪能力。针对无人机在飞行过程中传感器可能出现故障的问题,研究了一种基于新息特征值提取的改进残差卡方检验法来检测系统故障。为了进行系统重构,研究了基于故障信息分配系数的自适应容错滤波算法,通过各个传感器的无故障率来分配滤波权重,同时对检测阈值用模糊逻辑进行处理;将各个子滤波器的输出按预设的信息分配原则,输入到主滤波器,融合后得到全局最优估计;仿真结果表明,所采用的算法能较好地检测和处理系统故障,提高了系统的可靠性。为进一步验证所提出的滤波算法和容错组合导航算法的性能,开展了SINS/GPS/CNS组合导航系统跑车实验,构建了SINS/GPS/CNS组合导航系统模拟平台,将跑车实验得到的数据进行离线仿真,仿真验证了本文算法的可行性。