近年来悬架系统控制策略得到了飞速发展，但大多都需要整车振动状态已知，难以通过传感器完全获得。因此，车辆振动状态观测算法研究得到广泛关注，但大部分研究仅局限于四分之一车辆非线性模型和整车线性模型，难以满足工程实际中整车非线性系统对观测精度的要求。本文结合国家自然科学基金项目，针对悬架系统非线性特性，深入研究了车辆振动状态观测算法的系统可观测性问题、反馈线性化问题、传感器配置问题、过程噪声自适应问题以及整车振动状态观测鲁棒性问题，并进行了仿真试验和道路试验验证。论文的主要研究内容和创新性成果如下：(1)应用滤波白噪声法建立了单轮路面激励时域模型，在此基础上利用左右轮迹的相干关系和前后车轮的时滞关系建立了四轮路面激励的参数化时域模型。建立了空气悬架整车非线性模型，其中包含空气弹簧弹性力非线性模型和减振器阻尼力非线性模型，并通过台架试验分别验证了空气弹簧模型和减振器阻尼力模型的正确性，通过仿真验证了整车七自由度非线性振动模型的正确性，为后续的车辆振动状态观测算法研究工作奠定了基础。(2)针对悬架系统过程噪声统计特性无法预知情况，提出了基于预测滤波器的自适应振动状态观测算法，利用预测滤波器实时估计系统模型误差及其协方差，对标准卡尔曼滤波算法进行实时修正，从而自适应调节观测增益矩阵。仿真结果表明，该算法能够有效地消除过程噪声未知引起的振动状态观测误差。(3)针对悬架系统的非线性特性，提出了反馈线性化卡尔曼滤波算法，基于微分几何理论，通过求解坐标变换，将车辆非线性振动模型变换成一个可观测的标准型，实现系统的精确反馈线性化，进而采用线性卡尔曼滤波算法，针对变换后的线性系统设计观测器，最后通过坐标逆变换获得原非线性系统的状态观测值。仿真结果表明，相比扩展卡尔曼滤波算法，该算法能够提高车辆振动状态观测精度并降低运算量。(4)针对整车悬架系统的高维非线性特性，采用所提出的反馈线性化卡尔曼滤波算法，推导了整车非线性振动系统的可观测标准型，进而设计整车振动状态观测器，通过仿真验证了所设计的整车振动状态观测器的观测精度和运算效率。在此基础上通过引入额外的测量变量形成新的闭环反馈，提高整车非线性振动状态观测算法的鲁棒性。针对整车振动系统过程噪声无法准确预知情况，采用基于预测滤波器的自适应卡尔曼滤波算法，完成了对所设计的整车振动状态观测器的过程噪声自适应调节。仿真结果表明，所提出的整车非线性振动状态观测算法能够有效地观测振动状态。(5)针对某乘用车辆，设计和搭建了测试系统，分别进行了脉冲路面和随机路面工况的实车道路试验，完成了车辆振动状态的观测值与传感器测量值的对比分析。试验结果表明，在脉冲路面以及随机路面激励下，所提出的整车非线性振动状态观测算法能够有效地观测车辆的侧倾、俯仰和垂向振动状态。