● 摘要
本文利用在汽车上易采集的车辆姿态信息，基于侧翻前的这些姿态信息与侧翻时侧翻状态指标的统计规律，提出了一种通过数据挖掘技术构建的预警模型，实现提前一定时间量对侧翻做出预警。以克服当前侧翻预警研究中不能实现提前一定时间量预警的问题，或仅仅通过简单的变化率线性计算进行预警的问题。本文基于Ve-DYNAware车辆动力学仿真平台设计了模拟车辆紧急换道情况下侧翻的单移线道路试验，采集了各种侧翻情形下的侧翻数据。利用神经网络技术的重要度分析功能分析了这些侧翻数据，选定了实车上易采集的横摆角速度、侧向加速度、车速、方向盘转角4个汽车行驶姿态参数信息作为预警模型的输入。利用该输入通过神经网络技术对实车难以采集的侧倾角进行估算，并进一步通过结合支持向量机技术，建立了0.4秒后侧翻预警模型。最终通过PASW Modeler数据挖掘工具实现了该模型。本文提出的基于神经网络和支持向量机的汽车侧翻预警模型，输入为在实车上易采集的姿态信息，输出为0.4秒后车辆是否进入侧翻状态。在集成了Ve-DYNAware车辆动力学仿真软件和Matlab/Simulink的仿真环境下，通过对“NISSAN奇骏”这款SUV车辆在0.8和0.9两个路面附着系数、速度为60km/h至130km/h的单移线工况下的各种试验验证，本研究所建侧翻预警模型的预警效果较好，无漏报现象，且最大预测误差仅有0.055s，可以有效地做到侧翻预警。