车辆驾驶事件与疲劳损伤的在线估计

驾驶事件，例如低速机动和转弯，对车辆部件的耐久性评估十分重要。通过统计驾驶事件的数量，可以估算由同类事件引起的疲劳损伤。了解某客户群体的驾驶事件分布后，车辆制造商可针对该群体量身设计车辆。在本文中，我们提出一种可车载应用的算法，用于在线估计发生的驾驶事件的期望数量，从而可用于估计特定客户群体的驾驶事件分布。由于驾驶事件无法直接观测，该算法使用隐马尔可夫模型来提取事件。HMM的参数通过在线EM算法估计。在线EM的引入对于车载实际应用至关重要，因为其单次迭代复杂度是固定的。通常，EM算法用于寻找最大化似然的固定参数。通过在线EM中引入固定的遗忘因子，获得了一种自适应算法。这在实际应用中很重要，因为驾驶条件随时间变化，且单次行程可能包含城市与高速公路等不同道路类型，使得固定参数假设不现实。最后，我们还推导了在线计算期望损伤的方法。