导航系统的精度是衡量一个捷联式惯性导航系统优劣的一个极为重要的性能指标。国内外为此展开一系列的相关误差模型的研究,在整个误差源中惯性测量单元(Inertial Measurement Unit,IMU)的误差占有很大比重,且其动态误差实际应用中影响很大,但是相关研究相对较少,因此本文针对IMU在双轴测试转台上的角动态误差系数标定试验,提出了一种基于减空间搜索法(Reduced Space Search Algorithm,RSSA)和非线性共轭梯度法(Nonlinear Conjugate Gradient,NCG)的最优试验设计方法。应用卡尔曼滤波来辨识各个惯性仪表的误差系数,并且采用滤波器的估计误差协方差阵来衡量测试转台在不同旋转轨迹下的标定精度,以协方差阵的迹作为待优化的目标函数,在此基础上对测试转台外环轴和内环轴上的控制力矩/角加速度进行优化。由于实际的物理结构对角加速度和角速度有条件限制,故增加了约束条件,所以该最优试验设计问题属于有约束的非凸函数全局极小值问题,且其中所涉及的变量达到成百上千个,因此属于较复杂的大规模优化问题。采用减空间搜索算法和非线性共轭梯度法联合进行求解,这种联合方法既避免了因减空间搜索法的随机搜索性质而导致最终得到的最优值可能并非该区域内的极小值的影响,也弥补了共轭梯度法只能获得局部极小值的缺点,两者之间相辅相成。因此在减空间搜索法的基础上使用非线性共轭梯度法,本文使用PRP共轭梯度法,其中步长由Wolfe-Powell不精确一维搜索准则获取。分别对微机械陀螺IMU和环形激光陀螺IMU进行仿真研究。仿真结果表明,加入非线性共轭梯度法的优化算法的确比单纯使用减空间搜索法获得了更好的优化结果。即误差标定精度都有所提高,激光陀螺IMU的标度因数误差失准角和杆臂误差精度提高了3%-16%。而对于微机械陀螺IMU的标度因数误差、非线性误差、失准角和杆臂误差精度也分别都提高了5%-15%。从计算时间来看,加入共轭梯度法的方法的确比减空间搜索方法的时间有所增加,但是并未占太高比重,在原有基础上增加了大约7.3%。