论文以四轮轮边驱动电动车为研究对象，以提高传感器可靠性和故障诊断能力为目标，对四轮轮边驱动电动车在各种行驶工况下的横摆角速度估计进行了研究。论文主要成果是针对四轮轮边驱动电动车的特点设计了一套与之适应的横摆角速度估计算法，为横摆角速度的故障诊断和诸如质心侧偏角等信号的估计奠定了基础。 论文首先研究了基于运动学模型的车辆横摆角速度估计方法，利用基于左右轮轮速差估计算法和基于单个轮速及前轮转角信息的估计算法对车辆的横摆角速度估计进行了回归计算；通过引入侧向加速度和纵向加速度信号对估计算法进行了修正，提高了估计算法的估计精度。基于运动学的估计算法在车轮不滑转的情况下有较高的估计精度，但当车轮严重滑转或者较大转向盘间隙时，算法的估计精度会受到显著影响。 论文随后研究了基于动力学模型的车辆横摆角速度估计方法，主要选择了基于卡尔曼滤波方法和基于龙贝格观测器方法对车辆的横摆角速度估计进行了研究；建立了以横向车速和横摆角速度为状态变量的二自由度单轨车辆模型及用反正切函数表示的非线性轮胎模型，并选择质心处侧向加速度作为测量输出变量。通过设计卡尔曼滤波及龙贝格观测器的反馈增益对由状态方程得到的横摆角速度估计值进行修正。由于卡尔曼滤波器的噪声矩阵确定较为困难，基于卡尔曼滤波的估计算法效果稍逊于基于龙贝格观测器极点配置估计算法的估计效果。基于龙贝格观测器的横摆角速度算法在算法收敛和稳态的前提下具有较高的估计精度。 论文最后对基于运动学模型和基于动力学模型的横摆角速度估计算法分别进行了适用性研究。利用模糊逻辑判断的方法较准确地得到了车轮滑转状态信息和转向时车辆质心处纵向车速信息；一方面为基于动力学模型估计算法提供了所需的纵向车速信息，另一方面也为建立基于运动学模型和动力学模型的联合估计算法提供了适用性判断指标和准则。 根据以上研究结论，利用模糊逻辑判断方法对基于运动学模型和动力学模型的估计算法的适用性进行判断，将两者融合起来，得到最终的基于运动学模型和动力学模型的横摆角速度联合估计算法。针对实车试验中的传感器信号，本文采用了在线滤波技术，引入了状态滤波器技术得到了质量较好的传感器输入信号。并进行了多工况的实车试验，验证了本文所构建的横摆角速度估计算法的有效性。 通过本文的研究，对四轮轮边驱动电动车在多种转向工况下车辆横摆角速度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。