近年来,人们对物流速度与货运量需求逐渐增加,对商用载货车辆承载能力以及行驶速度的要求也越来越高。仅仅提高商用车辆的被动安全性能,已经远远无法满足人们对重型载货卡车的安全性需求,因此必须采取主动控制技术,以提高车辆主动规避风险的能力,保障商用车驾驶员乘客的生命财产安全。准确识别商用车的行驶状态是开发商用车底盘主动安全控制系统的基础,对主动安全控制系统充分发挥效能,保障乘客,驾驶员的生命财产安全具有重要意义。然而许多车辆行驶状态变量(比如车身侧偏角,轴荷侧向转移率)测量成本较为昂贵,传感器使用环境也较为苛刻,因此利用车载惯性传感器开发可行有效,能够准确预估车辆运动状态的识别算法来替代价额昂贵的传感器,是开发商用车主动安全控制系统首先需要解决的问题。本文主要的研究内容为开发一种专门针对商用车底盘结构的整车行驶状态在线计算方法,该算法具有分层式模块化的特点,具有很好的扩展性和维护性。本文首先于多领域仿真平台AMESim二次开发了一套完整的商用车气压制动系统仿真平台,以便在模型在环环节(MIL:Model in Loop)能够有效验证车辆行驶状态识别算法和相应的主动安全控制理论的有效性。该仿真平台包括制动阀,感载阀等常用的阀类组件,也包括制动气室,ABS电磁阀等执行元件,能够准确复现复杂制动工况下(如连续制动,ABS制动)制动系统的动态特性。为了得到制动系统中感载阀内部无法直接测量的结构参数,基于感载比例阀的实际结构推导了相应的气动系统动力学模型,并基于混沌多项式框架,开发了递推式的感载阀不确定参数识别算法,该算法将接受概率引入到牛顿梯度优化算法中,以提高参数识别过程中规避局部最小点的能力,参数辨识结果表明,本章提出的基于混沌多项式框架下的不确定参数递推识别算法计算精度高,收敛速度快,同时对测量噪声具有较好的稳健性。本文提出一种基于结合滑模(Sliding mode)和卡尔曼滤波(Kalman filter)理论的商用车侧倾状态识别算法,该方法并不需要事先得到准确的轮胎动力学模型,因此对轮胎动力学参数以及路面附着系数的不确定性具有较好的稳健性。同时该方法基于两自由度横向动力学模型和平面侧倾模型,在状态识别时无需事先线性化动力学系统,计算速度较快,占用ECU计算资源较少,十分适合运用在实车的行驶状态识别与主动安全控制上。建立整车7自由度平面动力学模型,并采用Pacejka轮胎模型建立非线性轮胎模型,并针对商用车底盘结构特点重新推导了轴荷计算方法,该计算方法能够依据车辆主动安全控制系统已有的传感器信号,能够准确计算每个轮胎的垂向轴荷,最后采用无迹卡尔曼滤波法(Uscent Kalman Filter method)实现整车横向车速、纵向车速以及路面附着系数的在线计算。基于TruckSim仿真平台验证结果表明,该算法具有较高的收敛速度和求解精度。本文在最后一章搭建了详细的离线模型在环(MIL:Model in Loop)仿真验证平台和带有商用车实际制动系统的硬件在环(HIL:Hareware in Loop)试验台架,来充分验证本文提出的商用车行驶状态识别算法和相应主动安全控制系统效能和求解效率,验证结果表明,本文提出的商用车行驶状态识别算法能够在实时环境下准确跟踪车辆的行驶状态,在极端行驶工况下也能保持较高的计算精度,能够有效发挥出主动安全控制系统的效能,保障驾驶员的生命财产安全。