汽车动力学模型是系统性能分析和主动安全控制的重要基础,如何快速建立用于准确描述车辆动力学行为的车辆模型受到人们越来越多的关注。传统的建模方法（如:基于多体动力学的实体建模和基于物理定律推导的机理模型）由于车辆参数的不确定性以及建模过程中的简化,导致所建模型很难与真实车辆的响应一致。为此,本文研究了一种基于系统输入、输出数据的子空间辨识建模方法,该方法能够同时兼顾提高模型精度并降低建模成本的要求,具有重要的学术研究意义和工程应用价值。此外,结合辨识模型的预测输出和最优准则,设计车辆的转向预测控制器,以改善车辆系统在转弯时的操作稳定性。根据车辆系统多输入、多输出的特点,本文将辨识模型的适用范围从线性域扩展至非线性域,从开环离线辨识扩展到闭环在线辨识,并且用于估计模型参数、预测系统输出以及设计转向预测控制器以保证汽车的稳定性等。具体来说,首先考虑车辆处于恒定车速且轮胎侧偏角较小的状态时,结合不同工况下的实车试验数据并利用经典子空间方法,可辨识出车辆系统的LTI模型。为了使辨识模型与广泛应用的单轨车辆模型相对应,在确定二阶模型的前提下,分别进行了时域和频域验证,结果表明,CVA方法估计的车辆模型相对于MOESP和N4SID方法精度最高,其中CVA-step模型不仅时域仿真精度高,而且其频域特性与基于脉冲试验计算的经验传递函数ETF基本一致。此外,结合辨识车辆模型提出了基于系统极点不变的轮胎侧偏刚度估计方法,并通过数值仿真验证了估计参数的准确性。在考虑车身侧倾运动时,车辆模型的阶次增加到九阶,试验验证结果表明,此时的CVA-step模型能够最为准确的描述车辆侧向加速度和侧倾角变化。为了进一步扩展LTI辨识模型,在闭环条件下提出了两种具有非线性时变特点的车辆模型结构（扩展的线性车辆模型S₁和增量形式的非线性车辆模型S₂）,两种模型不再要求行驶车速和轮胎侧偏刚度为恒值,更符合车辆系统的一般特点。结合实车I/O数据并利用RPBSID_opt辨识算法可以对上述辨识模型实时更新,模型验证的结果表明,S₁和S₂大幅改善了辨识模型在线性域内的精度,能够准确描述系统瞬态响应的细节,此外,即使在侧向加速度超过0.6g的非线性工况下,两种辨识模型仍然可以保证估计的一致无偏性。其中,辨识模型S₂的预测精度优于模型S₁和广泛应用的车辆EKF状态估计器,具有更好的应用前景。最后,结合辨识模型的预测输出和最优准则,提出了一类改进的递推子空间预测控制方法,使被控对象不再局限于严格的LTI系统,并避免了复杂Diophantine方程的求解,提高了算法的效率。针对AFS车辆系统,分别设计了RSPC和RSPCI车辆控制器以改善车辆弯道行驶时系统的稳定性,数值仿真结果表明,在轮胎侧向力小于路面附着极限时,两种控制器都可以有效改善系统的稳定性;在轮胎侧向力达到路面附着极限时,RSPCI控制器的控制效果明显,可以保证车辆具有良好的状态跟踪能力。