在汽车控制系统中，在路上运行时难以直接测量一些关键车辆状态，并且测量的成本也很高。为了解决这些问题，提出了一种基于内核主成分分析和改进的ELMAN神经网络的车辆状态估计方法。结合三个自由度（3 DOF），纵向，横向和偏航运动的非线性车辆模型，本文将该方法应用于车辆状态的软传感器。Matlab / Simulink Cosimulation测试的双车道变化的仿真结果证明了KPCA-Ienn算法（内核主成分算法和改进的ELMAN神经网络）在跟踪非线性区域内的车辆状态时快速和精确。该算法方法可以满足精度，跟踪速度，噪声抑制等方面的车辆状态估计的软件性能要求。