随着社会经济的发展，机动车辆与日俱增，随之而来的人身安全越来越受到人们的关注。最近的研究表明：造成汽车碰撞事故的原因25-30％产生于非正常状态驾驶。可见，非正常驾驶状态识别对于保障机动车驾驶安全具有重要意义。　　 本文首先总结了国内外非正常驾驶状态识别的主要方法，介绍了当前驾驶员状态监测系统的研究现状，并提出了论文的基本思路：将驾驶行为看作一个控制系统，以方向盘转角α为输出，以车道偏离S为输入，用正常驾驶数据建立驾驶行为的控制系统模型。并用该模型去拟合未知驾驶状态下的数据，以拟合残差是否与正常状态时有显著差异为判据，检测驾驶状态是否出现异常。　　 为保证驾驶员人身安全和驾驶实验的真实性，论文用于驾驶行为建模的数据来源于北京科技大学设计院自主研发的VR-4汽车模拟器。经过训练后的5名有驾照的实验人在中午或下午驾驶高速公路情景下的模拟仪，从清醒状态开始，直到进入瞌睡状态结束实验。原始采样频率为60Hz。首先进行模型结构辨识。通过对数据相关性及模型残差分析，在相同的阶次下，ARMAX模型所产生的残差最接近白噪声，因此，选用ARMAX模型结构。利用最小最终误差准则(FPE)确定模型阶次及延时。采用带遗忘因子的最小二乘法进行参数估计。　　 正常驾驶状态下的驾驶行为模型建立后，用该模型拟合未知状态下的数据，把拟合残差看成过程对象，采用统计过程控制(SPC)技术，联合休哈特均值控制图-WEMA控制图，判断驾驶过程的驾驶状态是否异常。文章最后给出了在VR-4驾驶模拟仪上的实验数据非正常驾驶状态识别结果，与使用眼睛闭合特征判断疲劳的结果一致。