随着军用无人驾驶车辆的不断研究与发展,以定轴传动与二级行星转向机的履带车辆为基础进行无人化改造与地面无人平台研究可以最大限度地发挥退役装备的效能,在复杂的越野环境和特殊的军事用途中具有十分显著的优势。另外,定轴传动和二级行星转向机的履带车辆具有复杂的非线性关系和各系统间的强耦合特性,转向系统又相对较为简单且具有不确定性,所以为达到更好的车辆自动驾驶控制效果,不能仅考虑车辆平台本身特性及运动规律,还要结合驾驶员操控经验和特性。驾驶员特性研究对提高智能车辆控制的精确性具有重要意义。本文基于统计学习方法研究该车辆的驾驶员操控特性并建立车辆状态切换的驾驶员模型,实现车辆行驶过程中的准确状态预测。在深入分析研究定轴传动和二级行星转向车辆机械结构与行驶特性的基础上,提出履带车辆运动控制的状态切换和驾驶员经验研究的重要性。搭建了实车数据采集系统,采集熟练驾驶员在真实场景下大量驾驶经验数据并建立相应数据库,并基于高斯混合模型(GMM)提取车辆行驶的转向操控运动基元并提取相应的基元切换序列,利用图论方法建立车辆状态切换局部和全局序列图,表述了车辆运动基元切换和组合关系。然后,本文基于序列图的状态切换引导输入,分别利用多元高斯混合模型(GMM)和支持向量机(SVM)的方法建立车辆横纵向状态切换模型,训练每个状态切换节点的分类器并组合得到预测状态序列,并选取每个节点的最优状态参量,提高了模型精度及准确性。最后,选取各档车辆行驶数据进行切换行为测试来验证状态切换模型的可靠性,并基于北京理工大学已搭建好的某型车辆试验平台,结合本课题所得到的履带车辆转向操控驾驶特性,在真实越野路面进行融入驾驶员经验的初步实车试验,并对试验结果进行分析。