现在车辆行驶状态估计比较常用的方法有：经典kalman滤波、扩展卡尔曼滤波EKF算法、自适应强跟踪滤波器、多采样率EKF等。扩展卡尔曼滤波EKF（Extended kalman Filter）,不仅可同时估计车辆的状态参数，也可以将之改变参数后运用于其所需的修正状态，进而提高了其估算精度。而多采样率EKF则是，西南交通大学周聪、肖建等人在深入研究了EKF算法和多采样率数控系统的基础上，提出的基于多采样率输入的软测量算法。其应用于汽车横。摆角速度、纵向车。速、质心侧。偏角的估计[4]。当然，多采样率的输入导致了计算量大为增加，在实际系统中需兼顾精度要求和计算能力。在扩展卡尔曼滤波EKF的基础上，英国的T。A。Wenzel， M。V。Blundel 和K。J。Burnham提出了双扩展卡尔曼滤波DEKF（Dual Extended Kalman Filter）。该算法利用两个EKF滤波器同时对状态参数（包括整车质量、绕轴的转动惯量和质心距离前后轴距离等）进行估计。此外，还有龙贝格观测器、滑膜观测器、模糊观测器、鲁棒观测器等等算法[5]。

1。2  车辆行驶状态估计

准确，实时而全面地取得车辆行驶过程状态是研究车辆电子控制系统的关键问题。车辆在路面上行驶，按照在三维空间的运动参数，车辆的行驶姿态包括：垂向运动、侧向运动、纵向运动、侧倾运动、俯仰运动、和横摆运动[3]。其中车辆在行进中进行转向而产生的包括侧向运动和横摆运动，然后在伴随着侧向与横摆运动之后所产生的是侧倾运动。纵。向动力学控制包括驱。动防。滑控制、制。动。防抱死控制ABS（Anti-lock braking system），都需要对纵向车速的准确估计；侧向动力学控制包括四轮转向控制、电子稳定程序、主动前/后轮转向技术、主动抗侧倾控制，都需要对质。心侧。偏角及横摆。角速。度进行准确估计从而测算。虽然上述待测量均可直接由传感器测得，不过由于高成本和难以维护等等原因，为了便于量化生产车型，考虑节约成本和实际运用，应当根据量产型车上的传感器的配备，通过基于软测量技。术的行驶状态估计来计算得到其他所需、但不可直接测得的状态量。以下是一些重要的车辆行驶状态信息：

纵向车速（Longitudinal speed）：沿着车辆轴向的行驶速度。

横向偏移（Lateral distance to path）：车辆偏移行驶轴向的位移。

侧向。加速度（Lateral acceleration）：方向垂直于轴向的加速度

方向盘转角（Steering wheel angle）：转角在900°内，与车轮转角比例为10:1左右。

横。摆角速度（Yaw rate）：汽车质心绕其轴偏转时的角速度，是一个稳定性指标。

质。心侧偏角（slip angles）：质心运动的方向（即当时车速的方向）和定义在车身上的纵轴方向夹角。

车辆稳。定性的一个重要问题是轨。迹保。持，即通过质。心侧。偏角描述轨迹。在较小的横摆角速度下，质。心侧偏角可以由轮胎纵向力和侧向力所决定。只要相轨迹在稳定区域内，即使系统存在扰动也能自动收敛于稳定，主要控制变量为横摆角速度γ；相轨迹不在稳定区域时，主。控制变量为质。心侧偏角β。在二。自。由度的车辆模型中，质心侧偏角β和横摆角速度γ是主要研究的两个参数。

1。3  软测量技术

1。3。1  软测量技术概念

软测量技术也可以称为软仪表技术[6]（Technique of Soft-Sensing），其基本思想是把自动控制理论与生产过程知识有机结合起来，运用计算机针对那些难以直接测得的重要参数变量（亦可称之为主导型变量），选择其他一些相对容易测量的变量即二次变量（亦可称之为辅助型变量），根据它们之间形成的数学关系来推算和估测，以软件来代替硬件（传感器）功能。该方法成本低、易于维护，针对输入信号能够迅速给出响应，且连续性好。可广泛运用，灵活部署，实时性佳，它的优势明显，具有竞争性，所具有的实用价值不言而喻 [6]。 MATLAB基于软测量技术车辆行驶状态估计(3):http://www.youerw.com/zidonghua/lunwen_100688.html