采用单源传感器特别是低成本传感器进行组合导航系统设计时,系统估计精度低且容错性差,因此在工程应用中需要同时利用多源传感器进行信息融合,估计出各传感器的误差并进行补偿,以此提高组合导航系统的测量精度。本文针对全球卫星导航系统故障以及惯性传感器故障情况,开展组合导航算法容错技术研究,提高组合导航系统在复杂应用环境中的容错性。分析了常见微机电系统传感器的工作原理,针对不同的传感器,设计了相应的误差模型,并在Simulink仿真环境中,搭建了基于六自由度运动学模型的捷联组合导航算法仿真平台,为导航算法的重构与容错设计提供模型基础。针对于全球卫星导航系统故障的情况,分别设计了低阶、高阶卡尔曼滤波算法,根据全球卫星导航系统状态进行滤波算法的重构与平滑切换,避免了切换过程中大跳变和长收敛时间的特性,保证了在卫星导航正常工作与故障情况下组合导航算法估计的精度,有效提高了组合导航系统的容错性,并通过仿真平台验证了该算法的可行性。针对微惯性测量单元故障的情况,设计了基于联邦滤波的三余度容错组合导航算法,通过在线实时检测三余度传感器故障源,将故障传感器进行隔离,以防止错误数据的递推影响联邦滤波的估计精度,有效提高了系统的容错能力,利用数值仿真验证了该算法的可行性。针对本文所设计的两种故障条件下的组合导航容错算法开展飞行试验。设计了基于三余度传感器的硬件平台,完成了算法的编码和调试,并通过某型多旋翼无人机进行飞行试验。在试验过程中通过注入故障源模拟卫星导航故障与惯性传感器故障,飞行试验表明本文设计的组合导航容错算法具有较高的估计精度和容错性能。