履带车辆作为一种特殊用途车辆,其作业现场或行驶环境复杂多变,因此,对于动力传动装置的环境适应性提出了较高的要求。而目前,绝大部分履带车辆动力传动装置采用的是基于静态试验得到的双参数换挡规律,不仅难于适应复杂多变的行驶环境,而且单一固定的双参数换挡控制策略对于驾驶员的驾驶意图契合性较差。随着当今自动驾驶技术的发展,对于动力传动装置控制策略的开发更是提出了较高的要求。因此,展开环境的坡道估计研究和驾驶意图识别研究,对于换挡控制策略的开发具有重要的工程与实际意义。本文首先根据动力传动装置的结构特征及性能参数搭建了其Matlab/Simulink仿真模型,为仿真研究提供基础。为进行相关算法及控制策略的实时性验证,搭建了以硬件在环系统(HILS)为依托的硬件在环仿真平台。展开了以履带车辆行驶道路坡度识别为目的的扩展卡尔曼滤波(EKF)观测器算法研究。该算法以整车动力学模型为基础,采集发动机转矩、挡位、车速为输入信号,通过求得的观测器状态空间表达式搭建其Matlab/Simulink仿真模型,以最终观测得到的道路坡度信号为输出信号。利用课题组构建的循环路谱进行EKF算法的离线仿真验证和基于硬件在环的平台验证,通过观测器计算得到的坡度值与实际的理论值进行比较证明算法的正确性。基于人-机-环的闭环系统原理,将驾驶员的驾驶意图作为影响因子展开隐马尔科夫模型(HMM)算法研究。该算法以采集的驾驶员的驾驶特征数据为训练样本,以隐马尔科夫模型工具箱(HMM Toolkit)的函数为基础进行算法程序编写,经过训练得到加速意图、减速意图和保持意图三种驾驶意图模型。分别通过离线仿真进行单工况驾驶意图验证和利用实车跑车数据进行多工况驾驶意图验证。完成道路坡度识别和驾驶意图研究之后,将驾驶意图做为影响因子进行换挡控制策略的研究。以双参数换挡规律为基础,通过换挡控制策略消除动力传动装置减速升挡的现象,并对车辆的加速性进行优化处理。最后,分别通过离线仿真和硬件在环平台试验进行没有换挡控制策略干预和有换挡控制策略干预下的两种工况的研究,通过非干预工况结果和干预工况结果对比,证明换挡控制策略的有效性。