原文传递
基于分层HMM和AR模型的重型车辆侧翻预警方法研究
| 论文题名： | 基于分层HMM和AR模型的重型车辆侧翻预警方法研究 |
| 关键词： | 重型车辆;非绊倒型侧翻;危机预警;自回归模型;隐马尔科夫模型 |
| 摘要： | 针对传统的侧翻预警方法在重型车辆载荷和重心变化较大时，复杂工况下预警可信度下降问题，本文基于国家自然基金资助项目(51205151)，结合自回归模型(AR)和隐马尔科夫模型(HMM)，对重型车辆侧翻预警模型和算法进行了部分研究。 针对重型车辆发生非绊倒型侧翻时的动力学特点，本文首先建立了三自由度的简化模型，深入研究重型车辆侧翻失稳机理，分析重型车辆行驶稳定性的影响因素，为构建侧翻预警模型提供理论基础。 结合车辆侧翻过程的运动特点，构建基于自回归模型理论以及分层隐马尔科夫模型理论的车辆侧翻预警模型，用下层分方向状态模型库描述转向过程分运动的状态，以分运动状态的辨识结果为观察序列，构建描述转向过程车辆整体状态的上层模型。 利用MATLAB和TruckSim进行车辆动态运行仿真，根据仿真数据的特征，结合自回归模型特点，对仿真获得的数据进行一系列处理，然后编写相关公式的m代码训练重型车辆分层隐马尔科夫模型，并对训练好的模型进行复杂工况下的离线验证。 根据训练好的车辆分层隐马尔科夫模型和仿真过程车辆状态的辨识情况，利用Viterbi算法结合传统的TTR车辆预警方法，探索有效的重型车辆侧翻预警算法;结合马尔科夫预测法预测未来一段时间内车辆的运行状态，在危险工况下实现预警。 |
| 作者： | 陈敏 |
| 专业： | 机械工程 |
| 导师： | 任祖平;孙楠章 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
