随着智能汽车的快速发展,人们对汽车稳定性控制系统的要求越来越高,精准的估计出车辆行驶状态参数是实现汽车稳定性控制的关键,也是车辆动力学控制研究的热点。车辆质心侧偏角、轮胎侧偏刚度、纵向速度、侧向速度、横摆角速度对实现车辆稳定性控制有着重要意义,其中质心侧偏角、轮胎侧偏刚度只能通过车载传感器信号进行预测估计,而车辆的纵、侧向速度、横摆角速度虽可通过传感器直接测量,但单一传感器受噪声干扰,存在误差累积、稳定性差的问题。为了准确估计出上述车辆状态参数,本文利用IMU和GPS传感器,设计了一种基于运动学模型和动力学模型的融合估计算法,具体研究内容如下:首先,传统的运动学估计方法依赖单一传感器信息,受噪声干扰较大,造成估计参数误差累积。针对此问题,文章在卡尔曼滤波框架下,融合IMU和GPS信息,并结合车辆的运动学模型,实现车辆速度、位置信息的精确估计。通过MATLAB仿真验证,证明了算法的有效性。然后,研究了基于动力学模型的车辆状态参数估计方法。针对动力学估计方法对车辆模型要求较高的问题,文章采用最小二乘法对车辆轮胎侧偏刚度进行了估计,之后以传感器测得的纵向加速度、侧向加速度和方向盘转角为输入,以车辆三自由度动力学模型为基础,利用扩展卡尔曼滤波方法实现车辆横摆角速度、纵向速度、质心侧偏角等行驶状态参数的估计。通过Simulink和Carsim联合仿真,验证了估计算法的有效性。最后,结合运动学和动力学参数估计的优缺点,提出了车辆质心侧偏角融合估计方法。算法根据质心侧偏角的动态特性强度,分配两种方法各自所占的权重系数,从而更为准确的估计出了车辆质心侧偏角。文章以实验室线控电动汽车为测试平台,构建了多源传感器测试系统,实现了数据采集及车辆参数估计等功能,验证了融合算法的有效性。