| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题背景 | 第10-11页 |
| ·重型车辆侧翻预警系统研究的意义 | 第11-12页 |
| ·重型车辆侧翻预警系统研究现状 | 第12-18页 |
| ·国外重型车辆侧翻预警系统研究现状 | 第12-15页 |
| ·国内重型车辆侧翻预警系统的研究现状 | 第15-18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第2章 隐马尔科夫基本理论与算法 | 第20-34页 |
| ·引言 | 第20页 |
| ·HMM 的发展及应用 | 第20页 |
| ·隐马尔科夫(HMM)的基本概念 | 第20-22页 |
| ·隐马尔科夫模型(HMM)结构 | 第22-24页 |
| ·隐马尔科夫(HMM)的分类类型 | 第24-25页 |
| ·隐马尔科夫(HMM)的三个基本问题及算法 | 第25-32页 |
| ·评估问题及 Forward-Backward 算法 | 第25-28页 |
| ·解码问题及 Viterbi 算法 | 第28-30页 |
| ·学习问题及 Baum-Welch 算法 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 重型载货车辆试验数据获取及预处理 | 第34-42页 |
| ·引言 | 第34页 |
| ·重型载货车辆的试验数据获取 | 第34-38页 |
| ·Trucksim 软件介绍 | 第34-35页 |
| ·重型载货车辆的模型的建立、仿真与分析 | 第35-38页 |
| ·重型载货车辆的实验数据预处理 | 第38-41页 |
| ·重型载货车辆运动姿态数据的分段 | 第40-41页 |
| ·重型载货车辆运动状态临界值的确定 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于 AR-CHMM 模型的重型载货车辆的行驶状态辨识模型 | 第42-60页 |
| ·引言 | 第42页 |
| ·重型载货车辆行驶状态辨识的 AR-CHMM 方法 | 第42-50页 |
| ·CHMM 模型的参数表示 | 第42-43页 |
| ·CHMM 训练算法溢出问题 | 第43-44页 |
| ·CHMM 训练算法改进 | 第44-46页 |
| ·AR-CHMM 模型的训练过程 | 第46-48页 |
| ·自回归-连续隐马尔科夫(AR-CHMM)模型 | 第48-50页 |
| ·重型载货车辆的 AR-CHMM 模型离线训练与状态辨识 | 第50-59页 |
| ·重型载货车辆训练样本的选取 | 第50-53页 |
| ·重型载货车辆模型训练结果 | 第53-55页 |
| ·重型载货车辆的状态离线辨识 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 重型载货车辆运动状态参数预测算法 | 第60-74页 |
| ·引言 | 第60页 |
| ·自回归(AR)模型预测方法及 Matlab 仿真分析 | 第60-73页 |
| ·自回归(AR)模型的基本理论及评价指标 | 第60-61页 |
| ·自回归(AR)模型的确定及预测方法 | 第61-66页 |
| ·重型载货车辆 AR 建模预报方法的 Matlab 仿真 | 第66-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 作者简介及科研成果 | 第84-85页 |
