1.一种无人驾驶汽车转向系统方向盘与前轮转角的状态估计方法，其特征在于，包括以下步骤：(1)确定方向盘与前轮转角的模型结构：建立带指数项的转角状态非线性模型，模型公式为 其中pi,i＝1,2,...,8为待辨识的模型参数，αs为左前轮模拟转角，βs为右前轮模拟转角，Φ为方向盘转角，λL为左前轮外倾角，λR为右前轮外倾角。

(2)模型评价方法：采用拟合绝对误差的平均值为评价指标，即在进行参数辨识时的优化的目标函数，并建立指标定义公式，公式为：其中α为左前轮转角的测量值，β为右前轮转角的测量值，n≥1为数据测量长度，Er≥0为模型拟合的平均误差，Er越小说明所建模型精度越高。

(3)建立模型：基于方向盘与前轮转角的转向实测数据，利用遗传优化算法辨识模型参数建立模型。并基于实测的转角数据，采用遗传算法辨识模型参数，具体辨识过程包括：(一)数据预处理：由于传感器实测的车轮转角系统数据带有震动、测量噪声等不期望的干扰信息，这些干扰信息对模型参数的辨识不利。采用平滑滤波进行平滑滤波处理，提高模型参数的辨识精度；

(二)遗传算法初始化：基于Matlab遗传算法工具箱，遗传算法ga函数的初始化包括：种群大小、遗传迭代代数、变异率、一代中优秀种群的保留数目、参数取值上限、参数取值下限、参数满足的不等式约束等等；

(三)计算模型模拟输出：基于方向盘转角数据，带指数的非线性模型结构和遗传算法给出的模型参数样本，计算模型的在方向盘转角输入下，前轮转角的模拟输出。

(四)计算适应度函数：适应度函数是遗传算法目标优化函数，适应度函数必须能评价当前种群参数的好坏，适应度函数值越小，说明种群参数越优秀，适应度函数值越大，说明当前种群参数越差，采用的适应度函数为步骤(2)中的拟合误差绝对值的平均值；

(五)返回最优参数：当满足遗传算法迭代终止条件后，算法返回对应适应度函数值最小的最优种群参数，该组参数即为需要辨识的模型参数。

(4)估计方法验证：将步骤(3)估计所得的数据与实测转角数据进行对比验证。