电动汽车是目前汽车产业致力于改善环境与能源问题的重要手段,其中再生制动技术作为电动汽车最显著的优势,具有提高续驶里程,改善燃油经济性等优点。合理的再生制动分配策略对于保障制动安全性和最大化回收能量具有重要作用。然而,整车质量与坡度估计作为整车控制策略开发与优化的重要参数,其准确的输入是提高再生制动控制算法执行能力的重要途径。本文以双电机分布式驱动的电动汽车为研究对象,针对质量与坡度估计方法在再生制动控制策略中的应用展开了研究,主要的研究内容包括:（1）针对传统制动力控制线在应用上的不足,扩展各种制动力控制线在不同坡度及加载状态下的应用,并从运行工况、加载状态、驱动类型、电机以及电池等多个方面分析再生制动的主要影响因素,为后续基于在线更新质量与坡度信息的再生制动控制策略的研究提供有力的理论支撑。（2）针对传统估计方法在线同时识别质量/坡度参数的局限性,引入灵敏度因子量化评价质量与坡度的耦合关系,并提出基于神经网络的坡度预估计方法,有效改善了质量与坡度的强耦合性。并且,针对神经网络坡度预估计法只能进行单一的坡度估计的局限性,提出基于神经网络与双层最小二乘法的联合估计方法,以实现质量与坡度参数的解耦及在线估计。（3）根据在线估计的质量与坡度信息,提出基于参数信息动态更新的制动安全区域。在综合考虑制动力动态分配边界、电机及电池的特性的条件下,基于最优化的思想,提出一种基于动态最优分配的再生制动策略。该策略能够实现基于参数信息更新的再生制动动态协调控制,并在保证制动安全性的前提下实现制动能量回收的最大化。（4）基于多种典型循环工况,验证所提的质量与坡度联合估计方法以及动态最优分配算法在双电机分布式驱动的电动汽车中的可行性。同时,验证了所提的联合估计方法在再生制动策略中的必要性和有效性。最后,针对参数估计误差对再生制动的能量回收及制动安全的影响程度进行了量化分析。