通过发展主动安全系统来加强道路安全是本论文的总体目的。主动安全系统开发中的一项挑战性任务是获取有关无法测量的车辆动力学状态的准确信息。更具体地说，我们需要估计垂直载荷、每个车轮的横向摩擦力和纵向摩擦力，以及重心处的侧滑角。这些状态是优化车辆稳定性控制的关键参数。估算每个轮胎的垂直载荷可以评估翻车风险。轮胎侧向力的估算可以帮助控制系统减少横向滑移，防止出现打滑和漂移等情况。轮胎纵向力也会极大地影响车辆的性能。侧滑角是控制车辆横向动力学的重要参数之一。然而，在当前市场上，由于缺乏获得这些信息的成本效益高的方法，基于轮胎力的安全系统很少。基于上述原因，我们希望开发一种感知系统，仅使用低成本传感器监测这些车辆动力学状态。为了实现这一目标，我们建议开发新的观测器来估计未测量状态。然而，构造一个在所有条件下都能提供令人满意性能的观测器绝非易事。它要求：1、模型准确高效；2、一种稳健的估计算法；考虑参数变化和传感器误差。基于这些需求，本文从三个方面阐述了我们的贡献：车辆动力学建模、观测器设计和自适应估计。在建模方面，我们提出了几种新的模型来描述车辆动力学。现有模型是通过将车辆运动简化为平面运动来获得的。在提出的模型中，我们将车辆运动描述为三维运动，并考虑了道路倾斜的影响。然后，对于垂直动力学，我们建议考虑悬架挠度来计算垂直荷载的传递。对于横向动力学，我们提出了横向力传递模型来描述左轮和右轮之间的相互作用。利用这个新模型，可以在不考虑侧滑角的情况下计算每个轮胎的侧向力。同样，对于纵向动力学，我们还提出了纵向力传递模型，以计算每个轮胎的纵向力。在观测器设计方面，我们提出了一种新的观测系统，它由四个独立的观测器级联而成。开发了四个观测器，分别用于估算垂直轮胎力、横向轮胎力、纵向轮胎力和侧滑角。对于线性系统，采用卡尔曼滤波器。对于非线性系统，采用EKF、UKF和PF来减小估计误差。在自适应估计方面，我们提出了改进传感器测量和估计车辆参数的算法，以在存在参数变化和传感器误差的情况下保持鲁棒性。此外，我们还建议合并数字地图以提高估计精度。利用数字地图还可以预测车辆动力学状态，预防道路交通事故。最后，在实验车上实现了算法，实现了实时估计。实验数据验证了该算法的有效性。
智能系统开发将控制汽车的稳定性和事故。“扩展环境系统”智能化应用程序对环境多样性的动态变化进行了评估（dévers et pente）。这是三个问题的主要原因：一），非措施信息的额外部分；ⅱ), rester robuste et précis面临外界扰动的不确定性，导致环境测量误差；Ⅲ），埃斯特梅尔·勒塔特·杜·维希库勒（estimer l’état du ve hicule et prévoir le risque d’accident en temps réel）。存在着“原始的塞特塞斯和睦关系”，包括新算法的发展，新模式的基础和不同的技术“观察”，为变量和参数的不确定性倾注估计器（pour estimer des variables ou des parètres incertains de la dynamic du ve hicule en temps réel）。《圣母院预告片》是一部新的发展模式，旨在为不同情况下的公民提供更多的信息。最大限度地减少模型误差，联合国系统估计四分之一观测者对垂直力、纵向力和横向力的建议。Trois techniques d’observation nonéaires（EKF，UKF et PF）sont appliquees pour tenir compte des nonèarites du modèle（非直线观察技术）。Pour valider la performance de nos observaters，nus avons implementéen C++des modules temps-réel qui，embarquésur le véhicule，estiment la dynamic du ve hicule吊坠le movement。
