| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 车辆侧翻的研究意义 | 第9页 |
| 1.2 车辆侧翻的研究现状 | 第9-12页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 当前侧翻研究的不足 | 第10-11页 |
| 1.2.3 HMM在汽车领域的应用 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第二章 AR-HMM侧翻预警算法的研究基础 | 第14-34页 |
| 2.1 时间序列和自回归模型 | 第14-16页 |
| 2.1.1 时间序列 | 第14-15页 |
| 2.1.2 自回归模型AR(p) | 第15-16页 |
| 2.2 隐马尔科夫模型(HMM) | 第16-22页 |
| 2.2.1 HMM的基本概念 | 第16-18页 |
| 2.2.2 HMM应用需要解决的三个问题 | 第18-21页 |
| 2.2.3 连续HMM模型 | 第21-22页 |
| 2.2.4 应用中需要注意的问题 | 第22页 |
| 2.3 重型卡车侧翻机理分析 | 第22-32页 |
| 2.3.1 车辆的准静态侧翻 | 第22-24页 |
| 2.3.2 重型卡车侧翻模型的建立 | 第24-29页 |
| 2.3.3 重型卡车模型仿真分析 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 基于AR-HMM的重型车辆侧翻预警模型 | 第34-45页 |
| 3.1 转向运动分析 | 第34-35页 |
| 3.2 基于AR和分层HMM的车辆转向过程运动状态模型 | 第35-41页 |
| 3.2.1 整体模型构建思路 | 第35-37页 |
| 3.2.2 车辆转向过程下层分运动模型 | 第37-39页 |
| 3.2.3 车辆转向过程上层运动状态模型 | 第39-41页 |
| 3.3 基于AR-HMM的重型车辆侧翻预警算法 | 第41-44页 |
| 3.3.1 马尔科夫预测法 | 第41-43页 |
| 3.3.2 基于马尔科夫预测法的侧翻预警算法 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 侧翻预警离线模型训练 | 第45-57页 |
| 4.1 基于TRUCKSIM的实验数据获取 | 第45-48页 |
| 4.1.1 仿真条件 | 第45-46页 |
| 4.1.2 仿真工况 | 第46-47页 |
| 4.1.3 数据获取 | 第47-48页 |
| 4.2 仿真试验数据处理 | 第48-53页 |
| 4.2.1 数据预处理思路 | 第48-49页 |
| 4.2.2 第一次数据聚类 | 第49-50页 |
| 4.2.3 自回归模型的建立和系数提取 | 第50-51页 |
| 4.2.4 离群数据筛选 | 第51-52页 |
| 4.2.5 第二次聚类分析 | 第52-53页 |
| 4.3 车辆侧翻预警模型离线训练 | 第53-55页 |
| 4.3.1 连续高斯隐马尔科夫模型训练 | 第53-54页 |
| 4.3.2 多维离散隐马尔科夫模型训练 | 第54-55页 |
| 4.4 模型参数优化 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 侧翻预警模型辨识试验 | 第57-65页 |
| 5.1 离线验证思路 | 第57页 |
| 5.2 侧翻预警算法的仿真验证 | 第57-64页 |
| 5.2.1 下层分状态模型的辨识 | 第57-62页 |
| 5.2.2 上层车辆状态的辨识和预测 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 文章创新点 | 第66页 |
| 6.3 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |