论文部分内容阅读
重型载货车辆具有其特定的质心高、载荷量大、体积大等特点，从而影响到了车辆的动态侧倾稳定性，尤其当车辆需要进行变更车道或紧急转向时，极易引起侧翻事故的发生。本文通过对国内外有关重型载货车辆行驶状态辨识与预测方面的文献进行了分析、总结与学习，并结合国家自然科学基金项目“基于分层隐马尔科夫模型的重型载货车辆侧翻预警新算法研究”，以准确、实时离线辨识的重型载货车辆行驶状态辨识为目标，建立了自回归-连续隐马尔科夫模型，并进行离线训练得到了所需要的模型。在此基础上，通过利用Matlab的simulink、HMM工具箱和Trucksim这几款软件对本文提出的车辆行驶状态辨识方法进行了离线验证。该结果表明本文提出的车辆行驶状态辨识方法能够达到较高的准确率，且满足了实时性要求。论文主要进行了以下几方面的研究工作：(1)重型载货车辆试验数据获取及预处理利用Trucksim软件对所选择的重型载货车辆的载荷选取了多种载荷配置(空载、500KG、1000KG)，由此采集到了所选工况(鱼钩转向、紧急避障转向)所对应的实验数据，并对所采集到的数据进行分段处理与对车辆运动状态临界值的确定。(2)自回归-连续隐马尔科夫模型对重型载货车辆的运动状态辨识以隐马尔科夫(HMM)理论为基础，建立了自回归-连续隐马尔科夫模型，通过结合HMM工具箱进行了AR-CHMM建模与离线训练。然后，利用Matlab/Simulink、HMM工具箱和Trucksim软件无缝集成开发，进行车辆行驶状态离线辨识方法研究。辨识的结果表明所提出的重型载货车辆行驶状态辨识方法能够达到较高的准确率，且满足实时性要求。(3)重型载货车辆的运动状态参数预测算法通过应用自回归预测知识对车辆的侧倾角速度、方向盘转角、车速、侧向加速度进行了预测。