电驱动车辆是指一类由电动机直接或间接驱动车轮运行的运载对象，主要包括乘用电动汽车和特殊用途的电动轮车,因其具有节能减排的优势为应对气候变化与推动绿色交通的重要运载工具。然而此类车辆面临着所谓“里程焦虑”与节能降耗需求。加大电池容量与能量密度、快速充电技术、充电站布局等是目前解决“里程焦虑”的主要途径，但依然存在着车重增加，电池安全与充电站覆盖等诸多问题。为此，基于行驶状态估计的车辆能耗优化控制(亦称节能控制)成了目前电驱动车辆节能降耗进而弥补“里程焦虑”的一种崭新技术。
　　车辆动力学模型及参数辨识是研究状态估计与节能控制的基础。本文给出了车辆七自由度动力学模型与纵向动力学模型，并提出一种FF-RLSM参数辨识方法实现动力学模型的参数辨识。针对电机驱动系统，本文建立了此类系统的能效模型，采用多项式拟合方法获取模型参数。基于车辆动力学模型与电机驱动系统能效模型，本文从改进迭代策略与设计补偿策略两个方面开展了整车重量与路面坡度估计，并研究了三种工况下电驱动车辆的节能控制问题。
　　针对整车重量与路面坡度估计易发散问题，本文提出了一种基向量交叉估计策略的状态估计器。通过选取估计向量中慢时变向量为基向量，并在相邻采样时刻，将慢时变向量近似视为恒定向量，优先更新小数量级向量，避免大数量级向量的估计误差传播至小数量级向量，有效避免整体估计结果发散与提高估计精度。实验结果表明，该估计器能够有效避免迭代过程估计结果发散且与传统方法相比具有较高的估计精度。
　　针对目前主流的多种方法混合补偿策略与单次补偿策略均无法达到最优补偿效果问题，本文提出了一种双层增强估计器。该双层增强估计器由初始层和扩展层构成。在初始层，通过迭代更新策略对系统状态进行初步估计；在扩展层，构建估计偏差函数，采用多子层深度补偿策略最大可能消除初始层的估计偏差。实验结果表明，该估计器与主流的偏差补偿估计策略相比具有较高的估计精度。
　　为实现非均衡驱动负荷工况下电动轮车力矩的合理分配与控制，本文提出了一种面向电动轮车的力矩分配与节能控制策略。基于车辆纵向动力学模型及估计出的整车重量与路面坡度，构造模型自适应控制策略实现对总驱动力矩的控制；并通过模糊逻辑理论，对质心侧偏角误差和横摆角速度误差进行模糊在线重构。在此基础上，采用PID控制器实时动态调节力矩分配系数。数字仿真实验结果表明，本文提出的力矩分配与节能控制不仅具有较好的稳定性、安全性，而且具有较好的节能效果。
　　为减弱定速巡航工况下电机驱动系统的不合理的激励，避免不必要的能量消耗问题，本文提出了一种定速巡航节能控制策略。该策略在整车重量与路面坡度实时估计的基础上，对车辆行驶过程所需驱动力矩进行合理估计。基于估计的所需力矩和真实力矩之间的偏差以及期望车速与真实车速之间的偏差，构建一种新型定速巡航系统双闭环控制结构，并设计该双闭环控制结构的高次幂非线性控策略与进行稳定性证明和分析。数字仿真实验结果表明，该定速巡航节能控制策略不仅具有较好的车速保持能力，而且具有较好的节能效果。
　　为使电机驱动系统在自动驾驶模式下尽可能运行在高效区间，本文提出了一种电动汽车节能控制策略。该策略将车辆动力学模型归纳为一类二次型状态方程最优控制问题。采用拉格朗日-欧拉定理、变分理论推导出此类二次型状态方程的最优控制理论，并给出理论证明；在此基础上设计了自动驾驶工况下电动汽车的能耗最优控制策略。物理仿真实验结果表明，本文提出的方法不仅具有较好的车速跟随性能，同时具有较好的节能效果。
　　全文在理论上，提出了全新的基于迭代更新策略和偏差补偿策略的状态估计理论，研究了几类面向典型工况的节能控制理论；在技术上，突破了一类特殊的状态估计难题，解决了几类典型工况下电驱动车辆节能控制问题；在应用上，开拓了电驱动车辆节能降耗新方法，对弥补电驱动车辆的“里程焦虑”具有重要的意义。