基于隐马尔可夫模型的半挂车制动侧滑状态辨识

步玫，宇仁德，吕安涛,2，马晨浩，胡婧晖

(1.山东理工大学 交通与车辆工程学院,山东 淄博 255049；2.山东省交通科学研究院,山东 济南 250100)

目前，从我国的货物中转量来看，半挂车凭借它的较大货运量完成了57.23%的货物中转，成为了公路运输的主力[1]。同时，半挂车侧滑事故也在日益增多，半挂车发生制动侧滑后横向先前移动，因其车身较长和自身质量大的特点，横向滑行产生惯性造成的冲击力较大，因此一旦发生事故往往较为严重。综上所述，研究半挂车制动侧滑的稳定性对道路交通安全具有重要意义。

在车辆状态辨识方面，很多学者都进行了卓有成效的研究。史培龙等[2]首先采用PCA降维的方法对气压制动系统状态进行辨识，然后运用驾驶人制动意图与制动系统响应的双层隐马尔可夫模型对系统状态进行识别，并分别依据实车试验数据对模型进行离线训练和在线辨识验证；孟妮等[3]建立了基于RBF神经网络的驾驶人无意识车道偏离识别模型,并通过归一化、主成分分析和遗传算法对神经网络的权值和阈值参数进行优化,提高了神经网络模型总体识别率；徐强[4]将CarSim仿真数据通过K均值聚类的方法对车辆行驶状态数据进行离线聚类,得到4个离线聚类质心，搭建了CarSim与Simulink联合仿真平台，基于车辆实时行驶数据与离线聚类质心之间的欧氏距离设计了车辆横向稳定性判定准则，对车辆行驶状态进行实时划分与识别；唐智慧等[5]应用Kohonen神经网络对表……