随着家庭轿车的普及，非专业驾驶员不断涌现，自动变速器为他们的驾驶安全性和便利性提供了重要保障。在液力自动变速器的研究开发中，控制系统是开发的核心问题，而档位决策系统是控制系统中最重要的部分之一，它对车辆的动力性、经济性、舒适性、安全性以及排放性能起着关键作用。因此，对自动变速器档位决策系统的研究有着重要意义。本文以三菱F4A42型四速液力自动变速器为原型，利用快速原型方法研究并开发自适应档位决策系统。本文利用车辆纵向行驶方程计算广义坡道阻力来评估坡道大小；提出了用加速负荷度、制动负荷度、运动负荷度和坡道负荷度评估驾驶需求并实时对两参数换档线进行连续性修正的方法；建立了一个神经网络结构来计算引擎制动适合度评估下坡强制降档的必要程度，并采用有限状态机方法来实现下坡强制降档的功能；提出了以驾驶员反馈为基础的下坡降档功能自学习方法；建立了基于Bypass工具的快速原型开发平台对上述功能进行应用软件开发，生成代码并集成编译可执行软件用于实车测试；最后，在哈飞赛马1.6AT车上对功能软件进行实车测试验证。测试结果表明，与传统的两参数换档策略相比，新开发的自适应档位决策系统在运动性、驾驶性方面有了明显的改善。自适应系统提高了车辆在加速和爬坡等工况下的动力性，能够满足不同条件下驾驶员对动力性的需求；在急减速和下坡行驶时适当地自动降档利用了引擎制动效果减轻制动系统负荷，并为再加速提供动力保障；自学习功能的自我调节能够满足不同驾驶员对下坡降档的喜好。研究表明，Bypass快速原型开发系统的应用可极大提高软件开发的效率，缩短开发周期，降低开发成本，在汽车电子控制系统研发领域有广泛的应用前景。除了良好的性能外，本文设计的自适应档位系统软件结构和算法相对简单，对CPU资源的消耗不大，并且留有便于不同车型调试的匹配参数，因此具有很高的实用价值。