由于惯导系统结构复杂,误差参数辨识试验往往不能取得良好的效果,需要对试验过程进行设计。单目标试验设计只能优化试验时间,试验精度中的一个。多目标试验设计同时优化两者,并提供一个方案集合,有利于试验的执行。本文研究惯导平台系统,采用改进的算法解决了误差参数辨识的多目标试验设计问题。首先建立试验设计所需要的平台系统的误差模型。简化陀螺仪的模型,选取21个误差参数。简化加速度计的模型,选取9个误差参数。基于ψ角法建立惯导平台系统的状态方程和观测方程。系统可观测是参数辨识的基础,由于建立的误差模型是线性时变的,需要对系统进行可观测性分析,这里采用了PWCS方法。在认为估计是无偏的,有效的前提下,对系统的可观测度边界Cramer-Rao下界进行分析,并推导了信息矩阵的求取过程。本文改进了现有的多目标优化算法MMOPSO,用以解决本文提出的试验设计问题。改进算法对精英库更新方式进行了优化,解决了算法的前沿缺失问题;对粒子群算法的全局最优解选择方法进行了改进,提高了算法向解不丰富区域移动的能力;使用了归一化的分解方法,避免了由于目标函数的数值差异导致的前沿不均匀问题;最后,采用边界反射法防止粒子飞出位置边界,避免了不必要的函数评估运算。通过ZDT系列测试函数,GD和SP评估准则,对改进算法(IMMOPSO),MMOPSO和经典算法NSGAII进行比较研究,验证了IMMOPSO的良好性能。根据最优试验设计理论分析了各种最优准则之间的联系和差异,采用D最优准则得到了单目标优化的表达式。综合考虑试验时间,将惯导平台误差参数辨识的试验设计问题转换为有约束的多目标优化问题。为改进的多目标优化算法添加了约束处理机制,以处理本文提出的问题,并对其解决多目标试验设计问题的效果与NSGAII进行了对比,证明了改进算法的有效性。在最优轨迹下,对惯导平台误差参数的辨识方法进行研究。离散化惯导平台的误差模型,得到卡尔曼滤波方程,并采用卡尔曼滤波方法对误差参数进行了辨识,验证了卡尔曼滤波辨识惯导平台误差参数的良好效果。