基于HHMM分层隐Markov模型的重型载货车辆侧翻预警新算法研究

Regarding the characteristics of quick variation of heavy goods vehicle parameters (load, the center of gravity and rotational inertia, etc.) this research aims to analyze the stability dynamics and influencing factors. On this basis, the first step is to adopte the Baum-Welch learning algorithm to conduct online rollover test training model of heavy duty vehicle; And then the research is followed by a comparason of the trained HMM model and corresponding heavy duty vehicle,each different driving status corresponding to different trained HMM model. Utilzing the discrete AR_HMM model which is characterized with rollover features , based on the regression algorithm and Viterbi decoding algorithm, carry on the accurate online estimate of rollover risk for the heavy duty vehicle; Finally, the research employs dynamic rollover risk prediction algorithms of the Hierarchical Hidden Markov Model （HHMM） when the vehicle parameters cannot be accurately obtained. The algorithm is based on the current vehicle state and operation of the driver, predicting the future state of the vehicle driving and rollover risk in a certain period of time. The research combines the established rollover algrithm with the real vehicle electronic control system hardware structures to construct the vehicle rollover warning platform, which is used to test the the new dynamic rollover warning algorithms. The research provides a good theoretical basis for the independent research and development of active safety products for heavy duty vehicle.

针对重型载货车辆的参数（载荷、重心位置和转动惯量等）变化大的特点，研究并分析其稳定性动力学及其影响因素。在此基础上，首先拟通过Baum-Welch学习算法，进行重型载货车辆侧翻试验数据的在线训练；其次将训练好的HMM模型与相应的重型载货车辆状态进行对应，不同的车辆行驶状态对应不同训练好的HMM模型。利用表征侧翻状态的离散AR_HMM模型，基于自回归算法和Viterbi解码算法，准确在线估计重型载货车辆侧翻危险状态；最后，研究不能精确获知车辆参数情况下，基于HHMM分层隐马尔科夫模型的动态侧翻危险预测算法。该算法根据重型载货车辆当前状态和驾驶员当前操作，预测未来一段时间内重型载货车辆的运动状态及侧翻危险程度，并利用所建侧翻预警算法结合实车电控系统硬件，搭建车辆侧翻预警控制测试平台，对该动态侧翻预警新算法进行试验验证。本项目研究成果将为我国重型载货车辆主动安全产品的自主研发提供良好的理论基础。

重型载货车辆具有重心位置高、重量和体积大、轮距相对于质心高度过窄等特点，因此其侧翻稳定极限低，极易发生侧翻事故。一个单独的汽车侧翻事故可能会导致极大的损失，其中除包括人员伤亡，财产损失，还可能对道路桥梁等公共设施的破坏，造成环境的严重污染，产生更为严重的间接后果。因此，重型载货车辆侧翻已经成为影响交通运输安全的重要问题。本项目研究基于运动动力学特性的侧翻动态预警及防侧翻稳定控制方法，为我国重型载货车辆安全产品的自主研发提供良好的理论基础和技术支持。.针对上述重型载货车辆侧翻预警控制研究中存在的问题，研究并分析重型载货车辆动力学特性，以及侧翻稳定性影响因素。在此基础上，首先拟通过 Baum-Welch 学习算法，进行侧翻试验数据的在线训练，构造出应用于侧翻预警的 AR_HMM 自回归隐马尔科夫模型。利用表征侧翻状态的离散 AR_HMM 模型，基于自回归算法和 Viterbi 解码算法，准确在线估计车辆侧翻危险工况。 同时研究不能精确获知车辆参数情况下，基于 HHMM模型的动态侧翻危险预测算法，进行侧翻危险预警，从而提前感知重型车辆侧翻危险， 避免侧翻事故发生。利用所建侧翻预警算法并结合实车电控系统硬件，搭建车辆侧翻预警控制测试平台，对动态侧翻预警控制算法进行验证。.通过本课题研究，得到以下重要结果和关键数据：.(1) 提出一种基于双层 HMM 的重型车辆行驶状态辨识方法,可动态辨识重型车辆单一或复杂工况下的行驶状态(紧急转向、正常、直线行驶、侧倾、侧翻、横摆等)。 实验结果表明, 本文提出的重型车辆行驶状态辨识算法可以实现对重型车辆各种行驶状态进行有效的识别, 准确率达到99.7%, 同时实时性较好。.(2)基于双层HHMM 模型的重型载货车辆侧翻估计和预测算法适用于载荷、质心位置、转动惯量等变化范围大的重型载货车辆，为精确预警重型载货车辆的侧翻危险提供必要的准备条件。.(3) 在上述研究工作的基础上，开发侧翻预警测试平台并通过实车试验进行了验证。.目前尽管我国已成为重型车辆生产大国，也掌握了一定的自主开发技术。然而，在重型车辆安全性能方面，由于缺乏主动安全装置，交通事故频发，带来巨大的经济损失和人员伤亡。本项目研究成果将为我国重型载货车辆主动安全产品的自主研发提供良好的理论基础和技术支持，以提高我国重型车辆产品的国际竞争力。