自驾及露营游的兴起使房车市场得到快速发展,其中拖挂房车凭借较高的性价比和灵活性得到了越来越多用户的青睐。但拖挂房车对使用者提出了更高的要求,如何提高拖挂房车的主动安全性能受到广泛关注。在复杂使用工况下,拖挂房车的质心位置具有较大的不确定性,当质心位置分布不合理时,会使其在极限工况下出现结构损伤,甚至会引发交通事故。通过对拖挂房车的结构安全性进行实时预测和评估,能够减少安全事故的发生。基于此,本文主要工作如下:（1）针对给定的某款拖挂房车,构建结构仿真数据集。结合拖挂房车在公路行驶的工况,实现拖挂房车行驶工况和质心位置的参数化表示。使用批处理的方法对有限元模型的质心坐标参数、质量参数和工况参数进行修改,即可得到批量的变参数有限元模型。对变参数有限元模型进行批量计算,将有限元模型参数与有限元计算结果进行对应,构建拖挂房车结构仿真数据集。（2）针对拖挂房车动态工况下质心位置不确定性可能导致的安全问题,提出一种基于仿真数据驱动的质心安全域计算方法。首先对具体车型建立结构有限元模型并结合行驶工况构建大规模结构仿真数据集,然后采用回归神经网络建立质心位置与安全系数的对应关系。利用神经网络和参数曲面拟合后,分别生成拖挂房车在弯曲工况、制动工况、转向工况和混合工况下的三维质心安全域,最后通过布尔交集得到整体的质心安全域及对应安全边界曲面,为拖挂房车安全布局及行驶提供参考。（3）为了解决拖挂房车驾驶过程中预判失误引起的车架结构失效问题,提出一种面向数字孪生和神经网络的车架结构安全监测方法。首先应用数字孪生技术构建拖挂房车的五维数字孪生模型,以整车质量、质心位置及加速度为变量,以车架的应力分布及失效状态为预测目标,针对紧急制动、紧急转向及紧急制动转向等工况建立结构仿真数据集。通过BP神经网络回归训练,并进行置信度校验,实现对车架结构性能的实时监测及行驶安全状态评估。数值实验表明,该监测方法具有实时性及较高的准确率与召回率,能为拖挂房车的安全使用和优化设计提供支持。本文利用数据驱动的技术手段,以拖挂房车为研究对象,探究了拖挂房车结构安全性能预测及评估实时性等问题,并面向其数字孪生技术,进行了仿真数据驱动的自动化及实时化关键技术的攻关。