在汽车发动机控制系统中，存在大量的MAP（或数表）用于描述输入输出之间表达复杂或者难以解析表达的非线性关系。目前，主要通过大量的试验数据标定 MAP。这种方式面临的问题是如何得到初始或基础 MAP，以及如何减小标定周期和成本。应用基于模型的MAP估计方法获得初始或基础MAP，对改进传统的MAP标定方法、减小标定周期和成本具有重要的实际意义。本文以汽车发动机排放控制系统中的估计问题为背景，研究基于模型的MAP估计方法。内容主要分为三个部分：其一，针对发动机进气系统中的空气质量流量(Mass Air Flow, MAF)传感器测量误差估计和补偿问题，研究基于模型的 MAF传感器误差 MAP估计方法；其二，针对发动机容积效率(Volumetric Efficiency, VE)的MAP估计问题，研究基于模型的容积效率MAP估计方法；其三，针对发动机分缸油膜参数 MAP标定问题，考虑发动机各缸喷油差异的影响，研究基于模型的油膜参数MAP估计方法。　　本研究主要内容包括：⑴针对重型柴油发动机MAF传感器相对误差MAP估计问题，采用分段线性插值模型描述误差MAP，给出了一维MAP的回归向量与参数向量的点乘描述。建立了柴油发动机进气系统LPV(Linear Parameter Varying)模型，将MAF传感器相对误差MAP估计问题转化为一类具有非线性测量输出的LPV系统状态和未知MAP参数的联合估计问题，设计了带有遗忘因子的LPV自适应观测器，实现了发动机MAF传感器相对误差MAP的估计。⑵考虑到轻型柴油发动机工作点与重型发动机不同，MAF传感器误差MAP具有二维输入特征，对此，给出了二维MAP的分段双线性插值回归模型。在此基础上，结合轻型柴油发动机进气系统 LPV模型，得到一类 LPV系统的系统状态和未知MAP参数联合估计问题。本文给出了一种LPV自适应观测器的设计方法，分析了观测器稳定的条件。由于模型误差会对MAP估计精度产生影响，对此，本文进一步分析了柴油发动机进气系统模型的建模误差，将建模误差处理为模型未知参数项和扰动项。结合 MAP回归模型，得到一类具有外部扰动的LPV系统状态、未知MAP参数和未知线性模型参数的联合估计问题，设计了具有扰动抑制的 LPV自适应滑模观测器，实现了系统状态、未知MAP参数和未知线性模型参数的联合估计。⑶针对采用试验数据标定容积效率面临的时间长、成本高的问题，研究了一种基于模型的容积效率MAP估计方法。本文给出了容积效率MAP的回归模型，结合发动机进气系统模型，将容积效率 MAP估计问题描述为系统状态和未知MAP参数的联合估计问题。在此基础上，本文给出了容积效率MAP的自适应观测器估计方法，分析了观测器的稳定条件，给出了MAP参数估计的收敛紧集。⑷研究了分缸油膜参数MAP估计方法。通过建立燃油蒸发时间常数MAP和燃油沉积系数MAP的回归模型，解决一类离散 LPV系统的系统状态和未知 MAP参数联合估计问题，给出了以分缸空燃比为输入的一种分缸油膜参数 MAP估计方法。由于实际系统中分缸空燃比不可测量，对此研究了分缸空燃比的估计问题。通过分析发动机转速对废气传输时滞和氧传感器采样周期的影响，将废气混合点到氧传感器的空燃比的响应描述为时变时滞离散 LPV系统，设计了时变时滞离散LPV系统观测器，给出了各缸空燃比的估计方法。