随着飞机飞行任务越来越复杂化、多样化,以及飞行过程中对安全性能的需求不断增大,对飞机飞行控制系统性能也有了更高要求。惯性导航是飞行控制系统的重要组成部分,它不需要借助外界信息仅依靠自身就可以完成导航的功能,但惯性导航的误差会随着时间增加而不断累积,从而影响整个系统性能。因此提高惯性导航的可靠性和精度是惯导工作者不懈追求的目标,也成为目前国内外的主要研究内容。目前很多飞行控制系统会引入除惯性导航系统外的其他辅助系统,如卫星导航系统、无线电导航系统等来提高导航性能,但是在无法使用辅助系统的情况下,提高惯性导航系统的可靠性和精度具有重要的意义。针对这个问题,以提高惯性导航系统的可靠性和精度为目的,本文对器件冗余和系统冗余两种冗余技术以及数据融合算法进行了研究。主要研究工作如下:首先,分别对器件冗余和系统冗余两种方式惯性导航的配置进行研究。在器件冗余的惯性导航系统中,传感器数量的增加会提高系统的可靠性,但是数量越多系统的质量和造价会随之增大,因此本文对传感器的数量和故障检测能力以及平均故障间隔时间的关系进行了研究,从而确定了传感器数量的最优值。在此基础上通过研究三种配置方案的导航性能确定传感器的最优配置,根据推导和仿真可以得出,在器件冗余的惯性导航系统中6个惯性传感器正十二面体配置是最优方案。在系统冗余的惯性导航系统中,利用传统的可靠性模型对冗余导航的数量进行分析,能够证明冗余惯性导航数量越多系统的任务可靠性越高,在此基础上利用马尔可夫模型进行验证,综合考虑系统的集成和造价,确定适用于机载惯性导航系统的最佳配置方案为四余度惯性导航配置方案。其次,基于卡尔曼滤波对两种冗余方式的惯性导航系统的数据融合算法进行研究。针对器件冗余的惯性导航系统,提出了一种强跟踪自适应滤波的算法。该算法将遗忘因子动态更新并引入了一个渐消因子对滤波进行收敛性判断,从而在一定程度上抑制了滤波的发散,提高了状态应对突变的能力,并提高了滤波的精度。针对系统冗余的惯性导航系统,提出了一种自适应联合滤波的算法。该算法将冗余的惯性导航利用联合滤波进行数据融合,由于惯性导航两两之间的距离已知,因此可以通过计算导航之间距离的误差对信息分配系数进行动态更新,从而提高系统测量精度。最后,通过Matlab仿真模拟飞机飞行过程中的状态,将两种冗余方式下提出的强跟踪自适应滤波和自适应联合滤波与基于基本卡尔曼滤波的增强型自适应滤波和自适应联邦滤波进行仿真分析,验证方法的有效性,从而得出,当系统噪声不满足高斯分布时,强跟踪自适应滤波能够很好提高传感器冗余的数据融合精度,自适应联合滤波能够很好提高惯性导航间冗余的数据融合精度。