دینامیک غیرخطی سیستم تعیین سمت- تراز متأثر از عوامل عدم قطعیت مانند نویز، بایاس، اغتشاش و پارامترهای مدل نشده است. از این رو محاسبه دقیق زوایای سمت- تراز که توصیف عملی از رفتار سیستم غیرخطی هستند، مشکل بوده و نتایج سیستم تعیین سمت- تراز در مقایسه با سیستم های دقیق، به علت خطاهای وضعیت بزرگ در مدت زمان کوتاه، غیرقابل اعتماد می شود. در نتیجه پیشنهاد می شود از روش های تخمین مقاوم برای تعیین زوایای سمت و تراز استفاده گردد. روش های مورد استفاده در این پروژه برای محاسبه زوایای سمت- تراز، فیلتر کالمن تعمیم یافته، رویتگر مود لغزشی و رویتگر عصبی با استفاده از چند روش شبکه های عصبی مصنوعی مانند شبکه ی عصبی پرسپترون سه لایه، شبکه عصبی ویولت و شبکه عصبی ویولت فازی بازگشتی است. الگوریتم های یادگیری این شبکه های عصبی نیز ارائه شده و پایداری آن ها اثبات گردیده است. در ادامه عملکرد رویتگرهای طراحی شده و توانایی آن ها در محاسبه و به روزرسانی متغیرها و پارامترهای سیستم با داده های شبیه سازی و انجام تست بر روی خودرو ارزیابی می گردد. نتایج نشان می دهد که در مقایسه با فیلتر کالمن، رویتگر مود لغزشی و شبکه های عصبی توانایی بیشتری در تخمین دقیق زوایای سمت و تراز دارند.