双离合器自动变速器(Dual Clutch Transmission,DCT)因其技术特点,特别适合国内目前的技术基础和制造条件。因此国内众多汽车厂商都先后进行了DCT的自主研发。近年来,随着汽车智能网联化的快速发展以及机器学习算法的成熟,有必要进一步开展考虑驾驶行为特征(驾驶风格和起步驾驶意图)的DCT智能控制策略的研究。本文以改善汽车起步过程智能控制为研究目的,开展了基于驾驶行为特征的双离合器自动变速器起步智能控制策略研究,主要研究内容如下:(1)基于特征工程的驾驶风格分类与识别研究。首先进行考虑驾驶风格影响因素的道路试验设计和数据采集,并对驾驶员的驾驶风格进行主观评价。对速度、加速度和油门开度数据进行基于信息熵的特征离散化,构建出44个表征驾驶风格的特征量。考虑到所构建特征量间的强相关性和冗余性,采用主成分分析对其进行降维,并应用模糊C均值聚类对驾驶风格进行分类。在此基础上,提出了基于参数优化的支持向量机算法对分类后的驾驶风格进行识别。为车辆起步智能控制策略的研究奠定了基础。(2)融合驾驶风格的起步驾驶意图分类与识别建模。首先分析了驾驶员起步意图的影响因素、不同风格驾驶员起步意图的差异以及结合起步过程分析了预测油门开度的重要性。然后结合BP神经网络能够重建任意复杂非线性连续函数的能力,利用BP神经网络对驾驶员起步过程中的油门开度进行预测。最后,基于模糊C均值聚类对预测后的油门开度和其一阶导数进行分类,应用聚类分析从客观数据的层面来提取和制定起步驾驶意图识别系统的模糊规则,使得模糊规则的制定更能符合客观实际,并据此完成了基于模糊聚类的起步驾驶意图识别系统的设计,为车辆起步智能控制策略能更好的适应起步驾驶意图奠定了基础。(3)基于模糊神经网络的DCT起步过程智能控制。通过分析起步时离合器结合的影响因素,最终将起步驾驶意图、离合器主从盘转速差、发动机实际转速和目标转速差作为离合器结合过程中的控制变量。然后为了能更好地学习原仿真控制策略的控制规则,结合神经网络和模糊控制的优点,设计了自适应模糊神经网络起步智能控制系统,利用仿真得到的数据来训练模糊神经网络系统,实现了模糊规则获取的客观性以及模糊规则与隶属度函数的自学习与自调整功能。最后建立起步过程的Simulink仿真模型,对所提控制策略进行了仿真与验证。(4)基于多目标粒子群优化算法的DCT起步过程离合器结合位移优化研究。首先对车辆起步控制过程中的评价指标进行分析。考虑到车辆起步过程是一个动态问题,选择离合器结合位移为优化对象,应用神经网络和最小二乘法将离合器结合位移拟合成为一个多项式函数,得到需要优化的多项式参数;然后将起步过程中的客观限制条件和起步意图作为约束条件,冲击度和滑磨功作为目标函数,离合器位移作为优化对象,设计了基于多目标粒子群优化算法的DCT起步过程离合器结合位移优化算法,从而得到一组考虑起步意图的最优的离合器结合位移曲线。最后利用模糊集合理论,从最优解集中寻找出最优个体解,实现了起步过程离合器结合位移的优化。