双离合器自动变速器(Dual clutch transmission,DCT)的换挡研究包括挡位决策和换挡过程控制两部分内容。其中挡位是影响车辆经济性、动力性和驾乘体验的关键因素,需综合考虑驾驶意图和行驶环境的影响完成决策。换挡过程两离合器转矩的协调控制与冲击度、滑摩功和换挡时间紧密相关,对车辆的平顺性和动力的响应性起着决定性作用。目前挡位决策中涉及的驾驶意图和行驶环境较多采用模糊推理定性判断,隶属函数和模糊规则依赖经验制定,识别精度不高;挡位决策局限于MAP图形式,易造成不同驾驶意图和行驶环境下的循环和意外换挡;实际换挡过程离合器目标转矩的规划难以获得最优轨迹。本文以某汽车厂商7速DCT为研究对象,开展了挡位的数据化智能决策研究和基于支持向量机算法的换挡过程智能控制,主要研究内容如下:(1)基于数据挖掘方法的驾驶意图识别。基于采集的车辆行驶数据,利用小波分析方法获得去噪后的制动力、车速、油门踏板开度数据;利用主因子分析方法获得保留了绝大部分原始信息的降维特征;基于二分K-means聚类算法,聚类出维持、停车、急加速、加速、减速五类驾驶意图;利用聚类后得到的五类驾驶意图数据,建立能进行驾驶意图实时辨识的MGHMM模型。(2)考虑燃油经济性的动态规划挡位优化。利用遗传算法优化的BP神经网络预测NEDC、UDDS、US06工况下当前时刻未来10s的车速;基于车速预测结果结合动态规划算法(DP)实现基于车速预测的DP挡位决策,完成基于车速预测的DP挡位决策与已知全局工况的DP挡位决策的燃油消耗、换挡次数、实时性对比;根据解析法制定最佳经济性换挡规律和最佳动力性换挡规律,建立整车换挡模型,对四种挡位决策方法在三种工况下的燃油经济性和动力性进行仿真并作对比分析。(3)不同驾驶意图和坡度下的数据化挡位智能决策。依据分类的思想采用支持向量机算法找到各相邻挡位的分离边界并提取出全部挡位的升、降挡曲线;以整个工况动力性、经济性和换挡次数为优化目标,利用粒子群算法实现不同驾驶意图下的挡位优化;以坡度平均值、坡度标准差、工况总长度以及单坡道长度为坡道特征参数,利用高斯随机过程构造随时间变化的坡度曲线;利用粒子群算法优化同时考虑了驾驶意图和坡度的挡位决策序列;建立车速、油门踏板开度、驾驶意图、坡度、上一时刻挡位与当前时刻最优挡位的映射关系,构建基于LSTM的数据化挡位智能决策模型,并与BP神经网络模型作对比,分析LSTM模型的优势性。(4)基于支持向量机算法的换挡过程智能控制。基于DCT换挡过程动力学模型仿真出的两离合器转矩数据,研究离合器转矩数据带置信区间的拟合方法;以最大冲击度、滑摩功和换挡时间为目标,研究换挡过程两离合器转矩数据的优化方法。利用两离合器主从动端转速差及转速差变化率、优化后的离合器转矩数据,建立DCT换挡过程离合器转矩的SVM智能预测模型。基于采集的换挡过程离合器油压数据,验证所建的离合器智能预测模型的有效性。