车辆动力学控制一直是汽车行业内研究的热点,并由此产生的主动安全技术在汽车中的应用也越来越广泛。而如何实时准确且稳定地获取车辆的行驶状态信息是实现主动安全控制技术的前提,因此对车辆行驶状态估计的研究越来越受到广大学者的广泛关注。由于道路及车辆自身参数等信息对行驶状态估计会产生较大影响,而具备四轮独立驱动及转向的分布式驱动电动汽车又是未来的一个重要发展方向。本论文以四轮独立驱动及转向的分布式驱动电动汽车为研究对象,针对其独特的动力学控制特点以及多信息源优势,考虑道路与车辆自身参数等多种不确定因素的影响,提出了一种基于联邦卡尔曼滤波的车辆状态与参数估计算法,实现对分布式驱动电动汽车的行驶状态、路面附着系数和车辆自身参数的估计,为主动安全控制技术提供依据。论文依托于国家自然科学基金面上项目(51675257)“考虑驾驶员特性的四轮独立驱动与转向电动汽车动力学控制研究”和辽宁省高等学校创新人才项目(LR2016054)“新能源汽车仿真与控制”展开对分布式驱动电动汽车状态与参数估计进行研究,主要研究工作如下:(1)考虑分布式驱动电动汽车在纵向、侧向和横摆三个方面的自由度,建立车辆动力学模型与Dugoff轮胎模型,通过整车网络获取车载传感器信息,利用多信息融合方法,基于联邦卡尔曼滤波理论设计车辆行驶状态估计器。通过离线仿真验证,实现了车辆行驶过程中的纵向速度、侧向速度和质心侧偏角的准确估计。(2)为了改善估计算法对不同道路的适应性以及进一步提高估计算法的精度与稳定性,考虑路面附着系数对行驶状态估计的影响,基于联邦卡尔曼滤波理论设计路面附着系数估计器,并将两个估计器衔接起来构成双重联邦卡尔曼滤波器。通过离线仿真验证,实现了车辆行驶状态与路面附着系数的联合准确估计。(3)由于车辆自身参数(如质量、转动惯量和质心位置)在汽车行驶过程中不断发生变化,对车辆行驶状态估计产生了直接影响,因此考虑车辆自身参数的影响尤为重要。在双联邦卡尔曼滤波器的基础上基于联邦卡尔曼滤波理论设计车辆自身参数估计器,从而构成三重联邦卡尔曼滤波器。通过离线仿真验证,实现了分布式驱动电动汽车行驶状态、道路及车辆自身参数的联合准确估计。(4)运用驾驶模拟器硬件在环实验平台对所提出的基于联邦卡尔曼滤波的分布式驱动电动汽车状态与参数估计算法的合理性进行验证。结果表明:所研究的基于联邦卡尔曼滤波的估计算法能够对分布式驱动电动汽车状态与参数进行准确且稳定的估计。