针对当前微惯性测量单元（MIMU）的现场标定方法存在标定步骤复杂、不利于非专业人员操作等问题，提出了一种基于先验知识增强的自适应北苍鹰优化（PE-ANGO）算法的MIMU现场标定方法。首先分析了MIMU涉及的误差并建立了加速度计和陀螺仪的目标函数，然后使用PE-ANGO算法求解目标函数并得到最优参数。为了使得标定工作易于现场操作，引入了一种用于传感器数据采集的手持MIMU来验证所提算法。仿真结果表明：PE-ANGO算法的标定精度相较于北苍鹰优化算法提高了一个数量级。实测实验表明：标定前后对俯仰角和横滚角累积误差的抑制效果分别提高了约89%和87%；与传统标定方法相比，对俯仰角和横滚角累积误差的抑制效果分别提高了71%和68%，验证了所提方法的有效性。

针对复杂环境下惯导系统存在交互影响和导航误差难以辨识的问题，提出了一种基于自监督长短期记忆（LSTM）网络智能组合模型的导航误差补偿方法。模型中的自监督温变速率模块不受到温度传感器精度的限制，从而实时计算更精确的温变速率，进一步提升了模型导航误差辨识的能力。在实验部分，基于多种复杂环境下的实验数据，通过消融实验验证了自监督模块的有效性。以飞行数据的北向速度为例，补偿前后的最大速度绝对误差分别为1.607 m/s和0.357 m/s。实验结果说明了所提方法可以减小复杂环境下的速度和位置误差，从而提升惯性导航精度。

为减小垂向运动对水平张量重力梯度测量的影响，提出了一种水平张量重力梯度仪垂向运动误差实时补偿方法。首先，分析了载体垂向运动引起重力梯度动态测量误差的机理，建立了综合安装误差角的回归方程；其次，在递推公式中引入遗忘因子，提高状态估计的跟踪速度；再次，针对量测量易受载体运动干扰的问题，通过Sage-Husa自适应滤波的方法实时适应不同量级的动态干扰，对综合安装误差角进行实时估计；最后，利用得到的综合安装误差角估计结果，实现重力梯度垂向运动测量误差的实时补偿。船载实验数据处理结果表明，与传统补偿方法相比，所提方法可将重力梯度内符合精度由30E@1km提高至15E@1km。

针对基于惯导的行人室内定位算法定位误差大的问题，提出了一种基于地标点匹配的行人高精度三维室内定位算法。该算法仅使用惯性测量单元（IMU）这一单一传感器，包含速度约束、航向角约束、水平位置约束和高度约束四个模块。水平位置约束模块可根据航向角变化实时检测并建立地标点，并设计了一种地标点匹配度函数，提高了地标匹配的准确度。多楼层行走实验表明所提算法能够提升行人室内定位精度，其终点误差为0.3421 m，相较于ZUPT算法和ZUPT+HDE算法分别减小了82.6%和68.3%，具有一定的工程应用价值。

为了快速准确地解算差分全球定位系统（DGPS）整周模糊度，提出了一种改进蝴蝶搜索算法（IBOA）求解整周模糊度。首先在蝴蝶优化算法（BOA）的香味系数中加入一个自适应权重，弥补BOA算法觅食行为中较弱的搜索能力；其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例；最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略，提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法（LAMBDA）算法进行1000个历元数据的解算对比实验，结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

针对卷帘相机的卷帘效应会引起图像扭曲，进而影响系统定位精度的问题，提出了一种融合IMU信息的点转移矫正的视觉惯性里程计。首先，针对卷帘图像扭曲问题，利用三焦点张量的点转移方法修正卷帘图像，相当于输入系统的是全局图像。其次，为了保证算法在嵌入式硬件上实时运行，采用扩展卡尔曼滤波进行信息融合来提高系统的定位精度和降低计算资源的要求。然后，引入静态检测和异常检测来保证系统的鲁棒性。最后，所提算法在手机上以25 Hz左右的帧率实时运行，并在真实环境下进行实验。公开数据集上的实验结果表明：与RS-VINS-Mono算法相比，所提算法的定位精度提升了27%，验证了该算法可有效融合视觉和惯性信息来减小卷帘效应带来的定位误差，提高了系统的鲁棒性。

针对经典最近等值线迭代（ICCP）算法因重力异常测量误差导致匹配精度下降甚至失效的问题，提出联合抗差匹配算法以提高匹配精度及可靠性。首先，分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布，为抑制其影响，采用 范数代替 范数计算匹配残差，并利用匹配残差重调野值点以获得有效的匹配区域。在此基础上，提出混合稀疏ICCP算法，并利用其进行粗匹配，然后将粗匹配后的位置作为惯导系统（INS）指示位置，再使用经典ICCP算法进行精匹配，获得更高的定位精度。仿真结果表明，考虑重力异常测量误差的情况下，重力联合抗差匹配算法的误差最大值小于 ，导航精度较传统ICCP算法提升60%以上，提升了算法的鲁棒性和匹配精度。

为了提高视觉同时定位与建图（SLAM）系统的鲁棒性和准确性，提出了一种基于误匹配剔除和地面约束的视觉SLAM算法。首先，在SLAM前端引入特征点对剔除机制，通过统计特征点对之间的距离以及分布特性对匹配质量进行分析，进而实现误匹配特征点的剔除；其次，利用RGBD相机提取地面向量，并将地面向量约束引入SLAM后端优化过程中，能够有效防止z轴过度优化以及抑制z轴漂移，提高位姿优化的准确性；最后，在公开数据集上进行实验和分析。实验结果表明，与ORB-SLAM2算法相比，使用误匹配剔除算法的绝对轨迹误差平均减少了17.62%，使用地面约束算法的绝对轨迹误差平均减少了39.20%，验证了所提算法具有更好的准确性和鲁棒性。

为减小微机械陀螺阻尼耦合、刚度耦合、力耦合误差的影响，提出一种基于扫频检测的微机械陀螺耦合误差系数辨识方法。首先，拓展了微机械陀螺动力学方程并建立误差模型，表明耦合误差造成陀螺输出不稳定且难以消除。其次，推导了耦合误差系数辨识方法，通过数值仿真分析了幅值、相位检测误差对辨识精度的影响，并给出不同误差系数下辨识结果的理论相对误差分布。结果表明，所提方法对耦合误差系数的辨识范围存在局限性；测量误差对辨识结果的影响不可忽略。最后，对某陀螺进行耦合误差系数辨识实验验证，结果表明：该陀螺力耦合系数、阻尼耦合系数、刚度耦合系数的辨识误差分别为0.542 ppm、6.09%、0.205 ppm；辨识曲线的拟合优度为0.99。

针对当前基于目视Allan方差曲线进行惯性元件随机误差建模中存在随机误差类别识别困难，人工干预较多的问题，提出了一种应用赤池信息量准则（AIC）优选惯性元件随机误差模型的方法。首先，采用加权最小二乘拟合法对不同间隔的Allan方差数据进行合理的加权，并将随机误差系数用指数形式表示作为待估系数，避免了随机误差系数估计值为负的问题。其次，采用AIC对模型中包含的随机误差类型进行优选。最后，基于光纤陀螺仪测量数据对所提方法进行了实验验证，实验结果表明，所提方法能根据AIC的值自动识别出被测光纤陀螺的随机误差类别为：角度随机游走、零偏不稳定性和角速度随机游走。所选模型模拟的功率谱密度与实测数据的功率谱密度吻合度较好。验证了所提方法的有效性。

为提高无人机动态航路规划的安全性，提出一种基于机载导航系统实际导航性能和无人机机动性能的多源性能约束的改进A*航路规划算法。分析了无人机航路规划系统架构及约束条件，构建了融合无人机最大允许转弯角、导航系统位置不确定度和最短路径的加权启发函数，实现无人机动态航路规划的多约束适应性，最后进行了仿真分析验证。仿真结果表明：在相同的运行环境下，基于性能约束的改进A*算法所规划航路的安全裕度比传统A*算法提高1.8倍，角度变化百分比降低为传统算法的42.4%，航路规划用时缩短28%，所规划航路的安全裕度和无人机机动性能符合度都得到有效改善。

针对具有轻质薄壳结构的大长径比远程制导火箭弹刚体-弹性体耦合动力学控制难题，提出了一种自适应Super-twisting控制方法。首先，将大长径比远程制导火箭弹的弹性模态与外部干扰项视为归一化扰动，建立了考虑参数、模型不确定性的刚体-弹性体耦合动力学模型。针对外部扰动难以实时精准获取的问题，设计了有限时间收敛干扰观测器，能够在大范围气动参数摄动情形下对远程制导火箭弹外部扰动进行实时精准估计。为提高系统鲁棒性，设计了基于Super-twisting算法的自适应有限时间控制方法，使系统能根据状态误差自动调节控制参数，在削弱高频抖振的同时有效提高抗干扰能力。仿真结果表明：所提控制方法在弹体±15%气动参数摄动的条件下，由平飞状态转变为跟踪幅值为10的正弦弹道倾角指令时，实现3.2 s内弹道倾角跟踪误差收敛至0.002 °，可实现远程制导火箭弹姿态平稳跟踪控制弹道倾角指令。

针对自主水下航行器（AUV）在模型参数不确定和外界海流干扰情况下轨迹跟踪误差大的问题，提出一种基于模型预测的滑模控制方法。首先，基于李雅普诺夫稳定性理论，设计一种滑模控制器；其次，为高效利用计算资源，提高AUV的轨迹跟踪性能，设计一种滑模控制器与模型预测控制相结合的控制框架；考虑到执行器饱和问题，利用滑模跟踪控制律，在该控制框架上构造收缩约束，确保闭环系统的稳定性；最后，采用仿真实验验证，实验结果表明所提方法与滑模控制器比较，在模型参数确定且无干扰情况下均方跟踪误差减小了60%以上，在模型恢复力参数不确定和海流扰动情况下均方跟踪误差减小了80%以上，能够克服时变恢复力对系统的影响，并对外界海流干扰有较好的抑制作用，保证了系统的鲁棒性。