本发明属于车辆状态预测技术领域，尤其为一种融合规范模型的车辆状态估计序列神经网络，方法包括：在汽车的行驶过程中，采集传感器的信息，包括驾驶员的输入指令、ESP采集的轮速、加速度、横摆角速度等信息；将其输入序列神经网络，得出车辆状态的预测量；将传感器的信息与上一时刻估计得出的车辆状态输入基于车辆动力学的规范模型中，得出对车辆状态的限制值；对神经网络的输出进行规范检查。本发明在传统序列神经网络的反馈通道中增加了基于车辆动力学搭建的规范模型，用该模型对不合理的输出值进行约束，然后再作为序列神经网络的反馈；本发明具有神经网络预测车辆状态值更精确的特性，同时也确保其输出永远处于合理的范围内。