安全、节能与环保是汽车的发展方向。电子化、电动化与智能化是实现这一方向的重要手段。基于四轮轮毂电机的全线控电动汽车是研究上述概念的理想载体。四轮轮毂电机全线控电动汽车颠覆了传统汽车的机械结构，采用四个轮毂电机和四个转向电机分别对四个车轮驱动力矩和转向角进行控制，因此其在控制方面具有较大优势。与传统汽车相比，全线控电动汽车的电机控制具有响应速度快、转矩控制精确、转速和转矩易于获得的特点。本文以课题组已开发的四轮轮毂电机全线控电动汽车为研究对象，针对其特殊的结构特点，通过参考传统汽车牵引力控制方法，确定了以最优滑动率为控制目标牵引力控制策略，因此需要对纵向速度和侧向速度两个车辆状态进行估算，同时为了能够更准确的获知状态估算中所使用轮胎模型的路面参数和牵引力控制所需的最优滑动率，引入了模糊控制理论对路面条件进行识别。为了降低成本，满足现实需求，本文采用以Unscented Kalman Filte（rUKF）为理论依据的车辆状态估算方法，通过建立带有HSRI轮胎模型的四轮三自由度车辆模型实现了对车辆纵向速度和侧向速度的估算。采用模糊控制理论对轮胎模型所需的最大路面附着系数和牵引力控制所需的最优滑动率进行识别，所制定的模糊规则合理的解决了识别原理中存在的不足。在获知车速和最优滑动率的基础上，通过PID控制算法获得每个车轮的最优目标驱动力矩，并根据整车牵引力协调控制策略对每个轮的牵引力进行修正，实现全线控电动汽车在不同路面上直线行驶和楔形行驶的驱动稳定性。本文利用Matlab/Simulink仿真软件搭建出整套牵引力控制算法，并通过与CarSim软件的联合仿真分别对车辆状态估算、路面识别和牵引力控制进行了仿真验证。为了保证仿真验证的车辆模型更贴近于所研究的车辆平台，将CarSim中的车辆模型进行了二次开发以获得更准确的全线控电动汽车车辆模型。从验证结果中可以看出，UKF算法估算精度较高，路面识别算法在车轮滑动时能够准确识别出路面状态，牵引力控制算法能够有效的提高车辆的起步加速性和整车稳定性。