为了减少交通事故的发生,降低内燃机汽车对能源消耗及环境污染的影响,伴随着互联网、信息、电子和智能技术的发展,汽车的智能化及电动化技术已经成为解决上述问题的有效途径。纵向车速控制作为纯电动智能汽车的底层控制算法,其控制效果直接影响着智能汽车的安全性和乘车舒适性。在纯电动智能汽车纵向车速控制过程中,存在着多种约束,如电机力矩约束、制动力矩约束等直接影响系统的安全性,因此如何处理这些约束是控制器设计中必须考虑的一个问题。同时在纵向控制过程中,车辆质量对纵向车速控制有较大的影响,进而需要对其进行在线估计并输入给车速控制器。鉴于模型预测控制(滚动时域优化)在处理带有约束控制系统设计方面的优势,本文提出了基于观测器的纵向车速滚动时域优化控制方法,该方法能够完成实时在线优化求解,能够显性的处理约束,同时能够有效补偿干扰因素的影响。首先,针对本课题研究需求和电动汽车工程结构,在商用仿真软件AMESim中搭建了满足车辆纵向性能的纯电动汽车整车模型,并对其进行了参数匹配和模型验证,为后续设计的控制器验证提供基础;其次,在假设车辆质量已知的情况下,分析了系统存在的约束和性质,考虑到模型的非线性,设计了基于非线性滚动时域优化的车速控制器设计。在此基础上,为了提高控制系统对整车质量等参数的自适应性,提出了驱动轴力矩和车辆质量联合估计器设计方法。分析了车辆质量慢变的特性,采用了最小二乘递归辨识的方法。针对车辆质量和驱动轴力矩之间的耦合关系进行,完成了自适应联合观测器设计;然后,将辨识结果反馈到车速控制器,完成基于状态观测的纵向车速车速控制器设计;最后,通过MATLAB/Simulink和AMESim联合仿真详细分析了其控制器性能,仿真结果表明所设计的车速控制器具有较好控制效果,同时较好的实现了预期的研究目标。