伸缩臂叉车作为一种货物搬运作业的工程机械,在物流行业中发挥着关键作用。由于伸缩臂叉车未装配有工作载荷估计系统而导致货物估价过度赖于高成本、低效率的地磅计重方式,故如何实现其在搬运货物的同时,且能直接测出货物重量是目前工程机械实现自动化工作载荷估计技术的研究热点之一。针对此工程问题,本文对伸缩臂叉车工作载荷在线估计系统的核心部分—工作载荷估计数学模型、该模型中非平稳非线性液压系统压力信号的去噪处理和求解该模型的辨识递推算法进行了详细研究。首先,对伸缩臂叉车工作装置的结构组成和工作原理进行了分析,在不额外增加其他类型传感器的情况下,利用叉车工作装置现有功能模块中已装配好的传感器,建立了基于动力学的工作载荷估计数学模型,进而推导出载荷计算公式;其次,分析了载荷计算公式中各个测量变量对该模型估计准确度的影响,运用一维全变分（1D TV）算法对液压系统压力信号进行预处理,并提出了最小化该模型工作载荷均方根误差的思路,对1D TV算法中的参数进行优化;然后,使用卡尔曼滤波算法对该模型进行了求解,并提出了基于改进卡尔曼滤波的工作载荷估计算法,解决了在载荷递推过程中出现的“数据饱和”难题;最后,以某企业超长重载伸缩臂叉车（以下简称伸缩臂叉车）作为试验平台,进行了1D TV算法与经验模态分解（EMD）类算法、小波阈值类算法处理液压信号的对比试验,还进行了不同工作载荷的离线试验和在线试验,以及伸缩臂叉车更换不同载荷时的在线试验。研究结果表明:参数优化后的1D TV算法信噪比比EMD类算法提高了5.096db,比小波阈值类算法提高了0.653db,其计算效率是EMD类算法的113倍,是小波阈值类算法的11倍,1D TV算法更适用于工作载荷估计数学模型中液压系统压力信号的实时去噪;所提出的基于改进卡尔曼滤波的工作载荷估计算法,对于454kg的载荷,其估计结果的最大绝对误差小于91kg,而对于1100kg、2268kg、3368kg和4536kg的载荷,其平均绝对百分比误差小于3%,且该算法趋于稳定估计值的响应时间小于1秒,估计结果稳定且准确,该估计数学模型简单、可移植强,可以扩展应用到其他工程机械工作载荷估计领域。