自动变速控制是现代汽车的一项重要技术，也是智能车辆的基本功能。为使汽车自动变速控制系统有更高的控制性能和更灵活的控制策略，将智能控制技术引入自动变速控制系统十分必要。论文作者针对控制难度较大的一种自动变速器——电控机械式自动变速器(Automated Mechanical Transmission 即AMT)的若干控制技术难题，运用智能控制理论和方法对其控制规律进行了研究。这一方面是为了解决AMT的这些控制难题，加快汽车AMT的实际应用的速度，另一方面也有助于推进智能控制理论与技术的实际应用进程，促进智能控制技术本身的发展。论文首先介绍了三种典型自动变速器的特点和发展情况，然后重点介绍国内外研究电控机械自动变速器控制方法的现状和论文作者研制的桑塔纳2000型轿车电控机械自动变速器控制系统的组成原理、研制情况以及在控制方面还存在的问题，为进一步深入对自动变速器智能控制方法的研究确定了方向和研究内容。离合器的接合控制是电控机械式自动变速器的难点技术之一。尽管人们曾研究过用PID控制和模糊控制技术来实现对离合器接合过程的控制，但这些方法在控制决策方面尚缺乏其灵活性和通过学习改进控制效果的能力。因此，论文中，作者提出了应用迭代学习方法来实现离合器控制的学习功能。其基本思想是：把离合器接合过程的两个重要参数——离合器的有效起始接合点和离合器半接合过程中的接合速度设计为可以依照一定准则进行改变并能进行修正，从而使汽车离合器接合品质能够提高的可学习参数，并运用迭代学习算法来实现这个功能。参数学习的准则就是让离合器的接合尽可能使汽车的起步加速度接近容许的加速度而又不会使起步冲击度超过允许值。本文采用所建立的确定离合器有效起始接合点和接合速度的迭代学习算法，进行了离合器接合控制的数字仿真。仿真结果和试验结果表明：迭代学习控制技术应用于离合器的控制有助于改善其接合控制的性能，在AMT系统中应用是可行。电控机械式自动变速系统的另一个技术难题是最佳换档点的确定。在开发研究AMT的过程中，国内外的通常做法是通过台架试验模拟在各种不同道路条件下进行换档时的动力性和经济性，得到大量的试验数据。然后，经过计算机的离线计算，从中确定出最佳动力性换档规律或最佳经济性换档规律。由于这种方法耗费人力、物力和财力，而且不能使换档点随车辆和道路的条件变化始终保持最佳。于是，作者在论文中提出了基于模式识别和迭代学习算法的最佳动力性换档控制方法。该方法的基本思想是把车辆在某个档位和在某种道路条件下具有最佳动力性能的运行状态视为同一模式，不同的模式就必须采用不同的档位才能获得最佳<WP=5>的动力性能。而两个不同模式之间的交界线就必然构成最佳动力换档规律曲线。于是，采用基于模式识别的迭代学习逐渐逼近最优的方法来确定这条最佳换档规律曲线。文中，作者还就迭代学习的收敛性问题进行了分析。分析结果表明：采用这种方法，车辆在各个档位下的加速特性满足一定条件时，是完全可以收敛的。而这个条件对于一般的车辆而言均能满足。无论是进行换档决策还是在坡道上进行起步操纵控制，坡度角都是一个非常重要的道路条件参数，然而对该参数的随车动态测量也是一个难度较大的技术问题。论文介绍了作者运用多传感器信息融合的方法建立车辆在行驶过程中对道路坡度进行动态识别的数学模型的思路。根据这个模型，只要用单摆式角位移传感器测出包含有车身的倾角信号，用两个位移传感器分别测出车身在前悬架和后悬架处的上下位移信号、用加速度传感器测出车身的前进加速度信号，就可以通过融合算法得到车辆正在行驶的道路所具有的坡度角。另外，坡度角识别的误差也是一个值得讨论的问题，因为过大的误差将会使这种方法失去实际应用的价值。为此，文中还进行了坡度角识别误差的分析，找出了减小融合误差的措施。为了从技术上实现道路坡度角的融合算法，作者还讨论了数字信号融合和模拟信号融合两种不同的方法。装有电控机械式自动变速器的车辆怎样才能在坡道上平稳起步而不出现倒溜也是一个需要研究的问题。从一些相关论文或资料可以知道：国内外的普遍做法是采用在制动系统中加装坡道起步器。但这种方法将使制动系统的可靠性下降，而且还会增加成本。为此，作者分析了车辆的坡道起步过程，发现离合器、节气门和制动器三者之间的协调配合控制是实现坡道平稳起步的关键，据此，提出了一种坡道起步控制的迭代学习方法，从而省去了坡道起步器。实车试验结果表明：用该方法可以实现车辆在坡道上起步时对离合器、节气门和制动器进行协调控制，并取得满足要求的起步性能。