惯性导航基础（一）：从原理到误差，一个老工程师的笔记
各位同学好，我是你们的老朋友。今天咱们开始啃惯性导航这块硬骨头。说实话，我刚入行那会儿，觉得惯导这东西特别神秘——一个黑盒子，不靠卫星、不靠基站，自己就能算出位置？后来干得久了，发现它其实挺朴实的。说白了，就是「用加速度计测加速度，用陀螺仪测角速度，然后积分、积分、再积分」。
嗯，但积分这东西，你想想看，误差会累积。这也是惯导最大的痛点。今天这一章，我们先打好基础，把原理、方程、器件和误差源都捋一遍。
1. 惯性导航的基本原理
惯导的核心思想，我总结成一句话：已知初始位置和姿态，通过测量运动加速度和角速度，实时推算当前位置和姿态。这就像你闭着眼睛走路，每走一步，你知道自己走了多远、拐了多少弯，就能大概知道自己在哪。
具体分三步：
- 加速度计：测量载体在三个轴上的比力（即非引力加速度）。
- 陀螺仪：测量载体在三个轴上的角速度，用于更新姿态矩阵。
- 积分计算：把加速度转换到导航坐标系，积分得速度，再积分得位置。
我在项目中遇到过一位新人，他问我：「老师，为什么加速度计测出来的值不能直接积分？」这个问题问得好。因为加速度计测的是「比力」，里面包含了重力分量。你想想看，静止时加速度计输出是9.8 m/s²，而不是0。所以必须先扣除重力，再做积分。
核心公式（导航坐标系下的位置更新）：
v^n(t) = v^n(0) + ∫[C_b^n * f^b - (2ω_ie^n + ω_en^n) × v^n + g^n] dt
p^n(t) = p^n(0) + ∫ v^n(t) dt其中 C_b^n 是姿态矩阵，f^b 是比力，后面两项是哥里奥利力和向心力修正。
2. 比力方程与哥里奥利力
比力方程，是惯导里最核心的方程之一。我第一次推导它的时候，差点被那些坐标系转换绕晕。后来我换了个思路——把它当成「牛顿第二定律在旋转地球上的修正版」。
比力方程长这样：
a^n = C_b^n * f^b - (2ω_ie^n + ω_en^n) × v^n + g^n这里有个东西叫哥里奥利力。说白了，就是物体在旋转参考系中运动时，会受到一个「假想力」。你想想看，地球在自转，你从赤道向北走，地球自转线速度在变，你就会感觉被往东推。这就是哥里奥利效应。
我建议你记住一个口诀：「哥里奥利，速度与角速度叉乘」。公式是：
F_coriolis = -2m * (ω × v)在惯导里，如果不补偿这一项，中纬度地区飞行一小时，位置误差能漂出去好几公里。我曾经调试一个无人机惯导，发现水平位置总往一个方向偏，查了两天才发现是哥里奥利补偿忘开了。嗯，这种坑，踩过一次就忘不了。
避坑指南： 我曾经在仿真中把 ω_en^n 和 ω_ie^n 搞混了。记住：ω_ie^n 是地球自转角速度在导航系下的投影，ω_en^n 是载体相对地球运动引起的角速度。两者量级差很多，千万别混。
3. 加速度计与陀螺仪的工作原理
这两个器件，是惯导的「眼睛」和「耳朵」。咱们分别聊聊。
3.1 加速度计
加速度计测的是比力。常见的类型有：
- 石英加速度计：精度高，用于航空级惯导。我见过一个老款，比砖头还重。
- MEMS加速度计：便宜、体积小，手机里用的就是它。但噪声大，零偏稳定性差。
- 摆式加速度计：利用摆锤的偏转来测力，原理直观。
工作原理其实很简单：一个质量块被弹簧悬挂着，当有加速度时，质量块会偏移，测量这个偏移量就能反推出加速度。当然，实际工程里用的是闭环力反馈，精度更高。
关键指标：
| 指标 | 说明 | 典型值（MEMS） |
|---|---|---|
| 零偏稳定性 | 静止时输出的波动 | 0.1~10 mg |
| 标度因数 | 输出与输入的线性关系 | ±0.1% |
| 测量范围 | 能测的最大加速度 | ±2~±200 g |
3.2 陀螺仪
陀螺仪测角速度。我最早接触的是光纤陀螺，那东西转起来嗡嗡响，但精度确实好。现在MEMS陀螺仪普及了，便宜是便宜，但零偏稳定性差得让人头疼。
工作原理分几种：
- 机械陀螺：利用高速旋转转子的定轴性。经典，但笨重。
- 光纤陀螺：利用萨格纳克效应，光在光纤环中传播产生相位差。
- MEMS陀螺：利用科里奥利效应，振动质量块在旋转时产生位移。
我个人习惯，在低成本的组合导航方案里，MEMS陀螺配GNSS是主流。但如果你要做纯惯导，还是得上光纤或激光陀螺。
注意： 陀螺仪的零偏误差是惯导最大的敌人。一个0.01°/h的零偏，一小时后姿态误差就能到0.01°，但位置误差会随时间三次方增长。所以，千万别小看那一点点零偏。
4. 惯性导航的误差源分析
惯导的误差，说白了就是「积分的诅咒」。你想想看，每次测量都有噪声，积分一次变成速度误差，再积分一次变成位置误差，误差随时间增长。我总结了几大误差源：
- 器件误差：零偏、标度因数误差、安装误差、非线性等。这是硬件层面的，可以通过标定来减小。
- 初始对准误差：初始姿态、位置、速度不准。初始姿态误差尤其致命，它会导致重力投影错误，产生随时间增长的加速度误差。
- 计算误差：积分算法截断误差、量化误差。用高精度积分算法（如龙格-库塔法）可以缓解。
- 环境误差：温度变化、振动、磁场干扰。MEMS器件对温度特别敏感，我见过一个项目，夏天和冬天的零偏能差一倍。
我曾经在一个车载项目中，发现惯导输出在转弯时误差突然变大。查了半天，发现是安装误差——陀螺仪和车体坐标系没对齐，转弯时角速度投影错了。这种问题，标定台上一跑就现原形。
误差传播规律（简化版）：
姿态误差：θ(t) ≈ θ₀ + ε*t
速度误差：δv(t) ≈ δv₀ + g*θ*t
位置误差：δp(t) ≈ δp₀ + δv₀*t + 0.5*g*θ*t²其中 ε 是陀螺零偏，θ 是初始姿态误差。你看，位置误差是时间二次方增长的，所以纯惯导只能短时使用。
嗯，这一章的内容就到这里。惯导基础打牢了，后面讲松紧耦合的时候，你才能理解为什么我们要用卡尔曼滤波去估计这些误差。记住一句话：惯导的精度，一半靠器件，一半靠算法。
公众号:蓝海资料掘金营，微信deep3321