精确可靠的车辆运动状态信息对于车辆的主动安全控制至关重要。基于滤波器/观测器理论的软测量方法只需普通的车载传感器信息即可实现车辆运动状态的获取,具有低成本和易迁移等重要特点,有望替代复杂而昂贵的专用传感器。但是,现有的运动状态软测量方法大都基于系统噪声为高斯白噪声的假设,实际系统的噪声特性无法得到准确表征;对基于动力学模型的车辆运动状态估计而言,轮胎力的准确获取也难以保证。复杂多变的实车行驶环境下,这些因素都会严重影响车辆运动状态估计的鲁棒性能。本文针对此问题展开研究,从运动状态估计策略的构建和轮胎力估计方案的设计两方面入手,提高纵、横向车速以及质心侧偏角等关键车辆状态估计结果的鲁棒性。主要的研究内容包括:首先,将集员滤波理论引入车辆运动状态估计领域,并利用奇异值分解方法对其进行改进,以提高状态估计的数值稳定性。集员滤波理论将系统噪声假设为分布未知但有界的噪声(该条件在实际的系统中较容易得到满足),可以弥补传统随机概率滤波的最优估计受限于高斯白噪声条件的缺陷。所得到的改进算法是实现车辆运动状态鲁棒估计的重要基础。其次,将改进的集员滤波算法应用于轮胎力的估计。利用数值仿真分析轮胎力对车辆运动状态估计效果的影响,并据此提出一种基于纵横向解耦的轮胎力估计方案。该方案可避免传统的基于轮胎模型的方法要求轮胎参数和路面条件已知的缺陷,适用于复杂的道路状况。仿真结果表明,该轮胎力获取方案不受路面条件变化和轮胎型号的影响,具有精度高且鲁棒性好的特点。最后,在三自由度车辆动力学模型和所提出的轮胎力估计方案的基础上,采用改进的扩展集员滤波算法构建车辆运动状态的鲁棒估计策略。仿真结果证明该策略对变化的系统噪声具有鲁棒性,不仅在估计精度和实时性方面具有较为明显优势,而且能提供对状态估计边界的准确度量;基于实车数据的半物理实验结果进一步证明了该策略在实际应用中的高精度估计性能。