车辆状态与参数对于主动安全系统来说至关重要,准确辨识这些状态与参数,能大大提高车辆的操纵稳定性、安全性以及燃油利用率。因此,车辆状态与参数的辨识对于汽车安全性能及操纵稳定性具有重要意义。而通过模型车进行验证,可以解决实车实验时的危险以及成本问题。首先,设计了模型车试验平台的载具、中央处理控制模块以及车载终端电源转换模块等,完成了试验所需定位系统的协议解析,并进行了定位系统的配置使其能够采集到试验所需的各项状态参数。基于相似理论探究模型车试验平台与真实车辆的动力学相似问题,实现了模型车试验平台与真实车辆的参数匹配。通过实验采集了模型车试验平台的参数,对于无法测得的模型车轮胎侧偏刚度则进行参数辨识,并对辨识所得的侧偏刚度的准确性进行了验证。准确实时地获取路面附着信息是汽车主动安全控制系统正常工作的前提。路面及其粗糙度、干湿状态对对侧偏刚度有很大影响。在这一前提下,在车辆稳态转向下进行轮胎侧偏刚度估计,从而进行路面状态辨识。首先由二自由度车辆模型得到前、后轴的侧向力及侧偏角,并考虑载荷转移得到各个轮胎的垂向力。通过前、后轴侧偏角之间的差值,消去了较难得到的质心侧偏角。而后通过递推最小二乘法估计得到归一化的轮胎侧偏刚度,并比较不同路面状态下的估计结果。通过仿真及模型车对所提出的算法进行验证。最后提出一种汽车质量与道路坡度串行估计算法。根据汽车质量与道路坡度变化的快慢进行分层估计,将缓慢变化的汽车质量作为第一层的估计输出,将快速变化的道路坡度作为第二层的估计输出。基于纵向动力学,首先由轮胎驱动力矩与车速通过扩展卡尔曼滤波算法进行第一层的汽车质量估计,接着将估计得到的汽车质量代入至第二层进行道路坡度自适应估计。通过仿真及模型车试验对所提出的算法进行验证,仿真及试验结果表明所提出的辨识算法能够准确实时的估计汽车质量与道路坡度。