工程车辆的作业特点决定其不能照搬汽车的换挡规律。传统换挡规律是建立在被控对象精确数学模型基础上的,但工程车辆的工况复杂,负载变化剧烈,建立其精确的数学模型是极其困难的,所以,理论上优秀的传统控制理论难以发挥其控制作用;模糊控制和神经网络控制等智能方法在处理小样本、高维、非线性等数据问题时,存在泛化能力差、随机性强、训练速度慢、难以达到全局最优等缺点,无法满足工程车辆挡位决策的实时控制要求。近年来发展起来的一种新的机器学习方法——支持向量机,为我们解决这一问题提供了较为有效的手段。本文结合国家自然科学基金项目(59705005)“工程车辆液力机械传动系统的电子节能控制研究”及博士点基金资助项目(20020183003)“四参数自动变速技术研究”,对支持向量机方法在工程车辆挡位决策中应用的关键性问题展开研究。本文结合工程车辆传动系统动力学相关理论和发动机功率分流基本规律,对ZL50轮式装载机主传动系统进行了特性分析和模型建立,并在此基础上给出了工程车辆四参数自动变速的基本原理;在分析线性搜索法和网格搜索法特点的基础上,给出了基于双线性网格搜索的支持向量机RBF核函数参数选择方法,并采用该方法进行工程车辆自动变速支持向量机的核参数选择,仿真结果证明了该方法能够有效改进学习性能、提高学习精度;结合工程车辆挡位决策输入和输出参数的特点,提出一种基于二叉树的支持向量机多类分类方法,有效地解决目前支持向量机多类分类方法存在的不可分区域的问题,与其它支持向量机多类分类方法及RBF神经网格方法相比,具有较为理想的训练和决策速度。采用模块化设计思想开发了工程车辆液力自动变速器电控单元,探讨了其外围接口电路的抗干扰措施;在液力机械传动试验台上进行了ECU的自动变速控制试验和控制算法的验证试验。试验结果表明:在不同工况下,基于支持向量机的自动变速电控单元能够实时、可靠地实现工程车辆自动变速。支持向量机在工程车辆挡位决策中的成功应用,丰富了工程车辆自动变速理论,促进了该理论在工业过程控制中的进一步应用,具有一定的理论和实际意义。