为了实现更加快捷方便高精度的惯性平台的自标定技术,本文针对连续翻滚自标定方法进行研究。首先分析了惯性平台和惯性仪表存在的主要误差参数,包含惯性平台各框架轴的垂直度误差、惯性仪表的安装误差以及惯性仪表输出误差模型系数等47项误差参数。然后建立了合适的坐标系,推导出各类误差源在各坐标系之间的传递过程,和更加完整的加速度计和陀螺仪的输出模型。然后以动态失准角表征的姿态误差方程作为状态方程,将加速度计的输出作为输出方程,建立了惯性平台连续翻滚的状态空间模型。使用可观测性分析和最优化算法设计了两种连续翻滚路径,能够充分激励各类误差参数。首先介绍了PWCS理论和SVD理论,将系统的误差参数和失准角一并作为状态量,利用系统的提取可观测矩阵判断在某个路径下系统状态的可观测性,根据参数耦合或者状态不可观测,重新设计路径,保证了所有参数都能够被激励。然后使用奇异值分解法,计算各类系统误差参数的可观测度,判断在该路径下对误差参数可观测度。通过PWCS理论和SVD理论两种方法的分析,给出了一种合适的旋转路径,并进行仿真分析,得到了该路径下加速度计的输出曲线。然后,介绍了粒子群算法的基本理论,将设计的状态空间模型的信息矩阵作为参考,设计了合适的指标函数,对于指标函数存在的约束问题,本文分别使用罚函数法和直接法进行了仿真分析,仿真表明,直接法更能保证各个粒子在全局范围内寻优,实现指标函数最小、约束量基本为零的目的。对粒子群算法中存在的多种算法参数进行了分析,给出了学习因子和惯性因子的取值在算法迭代过程中的变化,从而保证算法在全局范围内快速收敛并寻优。最终,将加矩角速度作为输入量,设计出了一种合适的连续旋转路径。在以上旋转路径设计的基础上,使用卡尔曼滤波对误差参数进行辨识。在滤波过程中,同样以失准角和47个误差参数为状态量,建立了合适的滤波模型,给定误差参数的单位以后,完成参数辨识,给出了部分参数辨识过程中的误差变化曲线,并罗列了所有参数的最终辨识误差和辨识精度,表明在合适的路径下,平台能够实现众多误差参数的标定,而且具有较高的辨识精度。