论文以四轮轮边驱动电动车为研究对象，对四轮轮边驱动电动车在直线工况下的纵向车速估算进行了研究。论文主要成果是对多种车速估计算法的估计效果进行比较，并根据比较结果针对四轮轮边驱动电动车的特点，即没有非驱动轮以及电机驱动力矩已知，设计了一套与之适应的车速估计算法，作为将来估计其他状态量的基础。 论文首先使用了卡尔曼滤波器、龙贝格观测器和传统模糊逻辑的估算方法对车辆的纵向车速进行估算，以比较两种估计器的实际估算效果。实车试验数据的离线仿真结果表明：在模型不精确的条件下，龙贝格观测器的估计精度不高，通常情况下，误差在10％左右，在车轮打滑明显时，由于角加速度的计算误差较大，导致估算加速度严重偏离实际值，长时间积分会令车速估计值的累积误差迅速上升。而传统模糊控制器在准确判断车辆状态时能够有效的回归车速，估计误差在5％以内，但是在估计值与实际值产生一定偏离的情况下，传统模糊控制器由于规则本身的限制，无法自适应的消除这一估计误差，因此算法的鲁棒性有待改进。 论文随后对传统模糊控制器的不足对其进行改进，加入了状态滤波器(ZVF)，对轮速进行一阶滤波获得车轮的角加速度，通过比较车身加速度与车轮角加速度来判断车轮是否处于强烈滑移或者滑转状态，由于这四个输入变量与前一时刻的估计值无关，可以有效地提高车轮状态判断的准确性。实车试验数据的离线仿真结果表明：使用角加速度与车身加速度进行比较能够准确的反映车轮是否开始打滑。加入该信息能够有效的避免车轮状态的判断错误，改进后的模糊控制器能够适应大部分工况，并控制估计平均误差在5％以内。 由于在加速度较低时加速度传感器的信噪比较低，所以在加速度较低时进行积分会产生较大误差。根据四轮轮边驱动电动车的驱动力矩能够准确获得的特点，本文利用力矩信息得到一个估算车身加速度，通过与实际加速度的对比可知，该估算值在加速度较低时能较准确地反映车辆纵向加速度真值。故本文利用了另一个模糊控制器来选择是否使用该估算值进行积分运算，仿真结果表明，采用力矩信息后能够使模糊控制器更全面地适应各种工况。 针对改进后的模糊估计器估算车速时可能出现估算值突变的情况，我们采用了几点措施来提高估计值的精度，分别是加速度测量值的反馈修正，采用较小轮速平均，和非线性函数进行信号的前后处理，这些方法也相应地能使车速估计值保持稳定。由于本文应用了多个状态滤波器和模糊控制器，因此利用Matlab的XpcTarget工具箱建立了实时仿真平台，验证了算法的实时性，并进行实车试验验证了算法在实际运用中的有效性。 通过本文的研究，对四轮轮边驱动电动车在直线工况下纵向车速的估计提出了一个较好的解决方案，为四轮轮边驱动电动车的状态估计和动力学控制的进一步研究奠定了基础。