重型车辆重心高、重量及体积大,极易发生侧翻事故,造成重大人员伤亡与经济损失。针对该问题,研究者提出一系列侧翻预警算法,其中通过侧倾角或者横向加速度计算侧翻时间(Time to Rollover,TTR)一般滞后于车辆实际运动状态。基于此,本文提出了利用方向盘转角计算TTR的侧翻预警算法,通过深度学习算法优化了横向加速度阈值,提高了预警算法的准确性,仿真验证了该算法的有效性,并编制了重型车辆侧翻预警系统。首先,建立了重型车辆的动力学模型,分析了影响其侧翻稳定性的主要参数。将瞬时车速和方向盘转角作为输入,推导出方向盘转角与横向加速度、横摆角速度等侧翻因子的函数关系,为设计基于方向盘转角的TTR侧翻预警算法奠定了理论基础。其次,利用深度学习算法对横向加速度阈值进行优化,提高其计算精度。基于上述所得函数关系,设计出本文所提出的侧翻预警算法,得出TTR。与商业软件Truck Sim中采用的侧翻预警算法计算结果相比,在不同的极端工况下,本文算法所得结果准确,且提前了预警时间。最后,采用面向对象的编程语言Java,编制了基于本文所提算法的重型车辆侧翻预警系统,将轮胎侧偏刚度和整车质量作为自定义的建模参数,以扇形动态显示的方式,在用户界面实时显示当前车辆的TTR,当TTR达到不同的预警阈值时,以不同方式进行报警。在极端工况下,仿真实验结果表明,该侧翻预警系统输入简单、界面简洁且结果可信。本文所提出的侧翻预警算法有效改善了传统TTR算法的滞后问题,提前了侧翻预警时间,提高了重载车辆的抗侧翻能力,侧翻预警系统界面简单、求解高效、结果可信,本文研究成果具有一定工程应用前景。