1、混合動力汽車兼顧了傳統(tǒng)汽車和純電動汽車的優(yōu)點，能夠?qū)崿F(xiàn)節(jié)能減排的目的，是當今新能源汽車領域的研究熱點。檔位決策是汽車自動變速系統(tǒng)中的重要研究內(nèi)容，研究智能化、自適應的檔位決策方法，對于提高混合動力汽車的動力性、經(jīng)濟性和乘坐舒適性等具有重要的意義。
　　汽車行駛在復雜的人-車-路系統(tǒng)中，在不同的駕駛意圖和行駛環(huán)境下，如何確定出滿足人們對車輛性能需求的最佳換檔點存在困難?；诖?，本文以單軸并聯(lián)混合動力汽車為研究對象，引入神經(jīng)網(wǎng)絡對包含

2、駕駛員和環(huán)境信息的行車樣本數(shù)據(jù)進行學習和泛化，建立車輛狀態(tài)參數(shù)與最佳檔位之間的非線性模型，并結合神經(jīng)網(wǎng)絡的不足，開展了如下研究:
　　(1)分析人-車-路之間的關系，考慮駕駛意圖、行駛環(huán)境、車輛狀態(tài)對檔位決策的影響，制定了本文的檔位決策方案。
　　(2)研究了駕駛意圖和行駛環(huán)境的識別方法。采集車輛運行狀態(tài)參數(shù)，根據(jù)加速踏板信號、制動踏板信號等車輛參數(shù)利用模糊推理對駕駛員意圖進行了識別，同時利用拉格朗日插值法、移動平均數(shù)法等對

3、行駛環(huán)境進行了識別。
　　(3)以油門開度、車速、加速度、變速箱輸入軸轉(zhuǎn)速為控制參數(shù)，檔位值為輸出，建立神經(jīng)網(wǎng)絡模型。確定神經(jīng)網(wǎng)絡結構，包括網(wǎng)絡層數(shù)、各層節(jié)點個數(shù)等。為避免神經(jīng)網(wǎng)絡陷入局部極小，導致網(wǎng)絡局部收斂，采用遺傳算法對神經(jīng)網(wǎng)絡權值和閾值進行了優(yōu)化。
　　(4)在MATLAB下，基于識別結果，分別對急加速、上坡、顛簸工況建立神經(jīng)網(wǎng)絡模型，并進行檔位值預測仿真與分析。仿真結果表明，訓練好的遺傳神經(jīng)網(wǎng)絡模型，在特殊駕駛意圖