近10年来,国内外学者在车辆侧翻预警模型与算法方面做了大量研究工作,但从提高侧翻预警精确性和实时性来看,现有的研究方法二者很难协调.因此,如何解决预警模型的实时性与精确性、预警门限值的界定等问题,已成为制约重型车辆防侧翻控制实际应用的关键瓶颈之一.本项目旨在探索一套适用于重型车辆侧翻预警模型与控制算法,为侧翻预警算法和防侧翻控制等问题提供新思路和通用策略.针对传统HMM模型在表征前后联系较为紧密的动态过程上的不精确性，引入了自回归模型和AR系数，并且基于整体HMM模型结构和数学方法的考虑，提出了利用AR系数作为连续隐马尔科夫模型的观察值的设想，成功地结合了AR模型和HMM模型这两种表征时间序列的方法，并在数据处理后，训练了表征车辆下层分运动状态的MGHMM模型库，为车辆在运行过程中进行分运动状态辨识提供了可能。在己建模型的基础上，利用不同工况下TruckSim和Simulink的联合仿真得到的试验数据进行了模型离线验证，运用Viterbi算法对观察序列进行解码，辨识车辆一段时间内的状态，结果表明，本项目所建的预警模型与算法具有较好的精度。