惯性导航系统由于自主性强、隐蔽性好、不受外界环境干扰,在众领域中得到广泛应用。其他辅助导航系统常与惯性导航系统组合,以抑制惯性导航系统的漂移误差,并改善导航系统的环境适应能力。为了保证惯性基组合导航系统的精度与可靠性,需要为导航系统设计实时有效的故障诊断方法与容错结构,在导航系统发生故障时能够及时检测、分离并加以处理。本文以惯性基组合导航系统为研究对象,研究冗余惯性测量组件与惯性基组合导航系统的故障诊断算法,通过分步设计惯性导航系统与滤波子系统的故障容错策略,提高导航系统在故障条件下的导航精度与容错能力。论文的主要研究内容如下:针对奇偶空间方法无法分离四轴冗余配置惯性测量单元故障器件的问题,提出基于支持向量机辅助的故障诊断方法。采用广义似然比法对四轴组件进行实时故障检测;结合传感器输出数据的相对小波包能量与线性支持向量机对故障器件进行辅助辨识;并设立故障诊断标识以实现诊断算法对四轴惯性组件的持续监测。仿真实验表明,提出的算法在平稳过程与短时动态过程中均能够快速准确地识别故障器件,并且在长时动态过程中仍然可以实现缓变故障诊断。针对频域特征辅助的故障诊断算法对惯性组件突变故障具有分离时效的不足,提出基于信号斜率突变的故障分离方法。以惯性组件的故障检测延时为依据设置数据分析窗口;使用最小二乘方法拟合传感器输出斜率;并以信号噪声方差构造故障分离阈值。仿真实验表明,提出的算法具有更低的虚警率与误检率,并能够识别具有更低幅值的突变故障,进一步改善了惯性器件在长时动态过程中对突变故障的容错能力。先检测后隔离的两级故障诊断算法对冗余惯性测量组件的大故障具有良好的诊断效果,但对小故障的诊断性能受到故障检测算法的制约。为此,针对六轴冗余配置的惯性测量组件,提出基于残差拓扑网络与传感器残差贡献度的故障诊断方法。使用自组织增量神经网络方法提取惯性测量组件奇偶残差的拓扑网络结构,并基于网络的主神经元集合设计故障检测平面;采用主成分分析法计算传感器的残差贡献度,保证故障分离算法的准确性。仿真实验表明,提出的算法在小故障情况下的故障识别精度比传统算法高出7.89%,同时可在300Hz输出频率下满足冗余惯性测量单元的实时性要求。联邦滤波器的无重置结构具有明显的故障跟踪现象,而完全重置结构在子系统完全故障情况下将会出现滤波器方差持续增大的问题。针对联邦滤波结构的全约束组合导航系统,提出基于故障检测结果的条件重置容错结构。重置滤波子系统的状态估计值,降低故障跟踪现象对导航滤波器的影响;并依据所有子系统的故障诊断结果,设置故障子系统的方差重置系数,避免滤波器的方差增大问题。仿真实验与硬件离线实验表明,提出的条件重置结构在子系统完全故障或者故障检测率较低的情况下优于传统的无重置结构与完全重置结构。小故障的检测能力是制约组合导航系统故障容错能力的关键环节。为此,提出基于能量字典的组合导航系统故障诊断算法。使用小波包分析方法提取滤波器预测残差的频域能量特征,结合字典学习理论设计基于数据重构误差最小的故障识别器,提高组合导航系统对于小故障的检测能力。仿真实验与硬件离线实验表明,提出的能量字典故障诊断算法对小故障的检测能力优于传统的残差卡方检测法,与条件重置结构组成的容错策略具有较强的容错鲁棒性。