HMM与神经网络相结合的车辆侧翻预警研究

简介

提出一种基于多维高斯隐马尔可夫模型（MGHMM）和BP人工神经网络（ANN）的SUV车辆侧翻预警方法,采用侧倾角和侧向加速度作为隐马尔可夫（HMM）的可观测序列,车辆行驶运动状态作为HMM的状态序列,采用BaumWelch算法对模型进行训练,运用马尔可夫预测算法对未来3s内车辆的行驶运动状态进行预测,用预测出的车辆运动状态作为指引,使ANN有目的学习,减少不必要的ANN训练,提高训练效率和预测精度。仿真结果表明,建立的侧翻预警方法所需参数少,效率高,不仅能预测车辆行驶运动状态而且能预测具体的运动参数,可使驾驶员量化判断侧翻,也可为抗侧翻电子控制系统提供数据。