汽车产业的快速发展,人们对车辆安全也越来越重视,提高车辆安全性的重要前提就是对车辆真实速度进行估计。对车辆真实速度的正确估计,对简化控制规律,实施车辆控制如防抱死系统ABS(Anti-lock Braking System)以及牵引力控制系统TCS(Traction Control System)等都有重要的作用,它能够帮助减少刹车时间,并且提高乘客的安全性,这也是车速估计越来越得到研究单位和企业重视的原因。现在车辆上广泛使用的车速估计的方法是以轮胎半径乘以轮胎转速,这也是在速度计上显示的数据。但这种方法常常包括因车辆刹车打滑或者车轮加速度太大产生的滑移等情况而造成的误差。也正是由于这些误差的存在而无法正确的实施ABS,因为它基于车辆真实速度而实现。本文深入研究了国内外车速估计的发展现状,分析了各种方法利弊,在此基础上提出了模糊控制卡尔曼速度估计方法。设计考虑了车速估计准确性以及车辆电子集成度,实时性,可靠性等要求,采用基于模糊控制器的卡尔曼滤波器来估计车辆速度,但由于该算法计算量较大,在单片机上实现速度慢,不符合车速估计的要求,因此选择FPGA做硬件实现,能够极大的提高车速估计的速度。区别于普通卡尔曼滤波器的是,本设计引入了车辆加速度作为另一输入信号来补充车轮轮速的不足。这里的加速度是车辆前进方向上的车身加速度。该方法中卡尔曼滤波器作用有二,首先过滤掉车轮轮速以及车辆加速度中的高频白噪声,其次,基于模糊规律设计的模糊控制器,对车辆不同工况下的卡尔曼滤波器参数进行设定以实现对加速度和车轮轮速之间不同的权重。模糊控制器以速度以及加速度估计值与真实值之间的差值为输入,它的控制规律是在专家经验以及车辆实车实验中采集数据拟合而来的。为验证算法的正确性我们研究并搭建了八自由度车辆模型的Simulink仿真,通过不同输入模拟了正常和极限工况下车辆的行驶状态,设计中滤波器的输入来自于八自由度车辆模型输出的加速度和车轮速度,此外,选择该模型输出的车速作为标准与车速估计值做了对比,实践证明,本设计能够较好的跟踪车辆真实速度。鉴于车速估计的实时性要求,我们采用FPGA对算法进行硬件实现。在对FPGA编程方法认真研究学习的基础上,我们提出了以下的设计方法。针对提出的算法使用Catapult C软件将算法的C++描述转化为硬件描述语言,并利用Modelsim对硬件语言进行功能仿真。结果证明,转化后的硬件语言算法仍能较好的跟踪车辆真实速度。