本文首先搭建了液力传动车辆的纵向动力学与纵向运动学模型，在理论模型的基础上分别使用递归最小二乘法（包括普通最小二乘法与带遗忘因子的最小二乘法）与离散卡尔曼滤波对车辆行驶的坡道角以及车辆质量进行估算。利用Carsim与Maltab/Simulink联合搭建的仿真平台验证两种算法。通过比较两种算法分别在坡度恒定的长直坡道与坡度时变坡道这两种工况下的估算结果，验证算法的准确性与实时性。随后，分析了卡尔曼滤波器参数设置对估算结果的影响，确定了能保证估算结果实时性与准确性的滤波器参数。为了解决卡尔曼滤波算法在下位机的实现问题，对该算法过程进行深入分析后做出了相应简化。利用Carsim/Simulink仿真平台仿真了不同工况下简化卡尔曼滤波算法的估算效果，并与未经过简化的算法做出对比，验证简化后的算法可行性。考虑到硬件计算能力的限制，选用基于运动学的简化卡尔曼滤波算法作为坡道估算的理论基础。在车辆上加装合适的加速度传感器，将加速度信号与车速信号相融合，实现了下位机对车辆行驶的实时坡道角度与车辆质量的估算。探究了加速度传感器与变速箱电控单元的通讯接口，选用比模拟/数字采集抗干扰能力更强的通讯方式保证数据传输的准确可靠。最后，基于多种实车平台进行了实车试验。静态标定实车上惯性导航仪的坡度输出与加速度传感器计算坡度之间误差。将实车试验得出的算法估算结果与惯性导航仪的数据做出比对，验证了基于运动学的简化卡尔曼滤波与加速度传感器结合的方法能够对车辆行驶过程中的实时坡度做出准确估算。