Un ángulo de deslizamiento preciso y confiable es crucial para los sistemas de control de seguridad activa y los sistemas avanzados de asistencia al conductor (ADAS). El método de medición directa del ángulo de deslizamiento enfrenta desafíos de altos costos y sensibilidad ambiental, por lo que la estimación del ángulo de deslizamiento siempre ha sido un problema de investigación significativo. Para mejorar la precisión y la robustez de la estimación del ángulo de deslizamiento para vehículos eléctricos de tracción distribuida (DDEV) en escenarios de maniobra extrema, este documento presenta un novedoso algoritmo de filtro de partículas no lineal robusto (RUPF) basado en sensores de bajo costo a bordo. En primer lugar, se construye un modelo de dinámica no lineal de DDEV, proporcionando una base teórica para el diseño del algoritmo RUPF. Luego, se diseña el algoritmo RUPF, que incorpora el filtro de Kalman insípido (UKF) para actualizar la densidad de importancia y utiliza un remuestreo aleatorio sistemático para mitigar la degradación de partículas. Finalmente, la disponibilidad del algoritmo RUPF propuesto se valida en la plataforma de co-simulación con ruidos no gaussianos. Los resultados de la simulación demuestran que el algoritmo RUPF logra una mayor precisión y una mayor robustez en comparación con los algoritmos PF y UKF tradicionales.