近年来,随着技术的发展,商用车不断向着智能化方向发展,而搭载机械式自动变速器的商用车具有良好的经济性、动力性和舒适性,这对于减小环境污染具有重要的作用。然而由于商用车自身的使用特性使得其总质量和行驶的道路坡度变化范围较大,因此依赖于车辆质量和道路坡度两个参数的控制系统的控制性能将受到较大的影响。由于车辆行驶工况复杂,在质量和坡度识别研究方面,考虑复杂工况条件并以此设计出精度较高、稳定性好的识别算法,这为自动变速器制定合理、准确的换档策略,改善车辆性能具有重要的意义。本文以一款搭载机械式自动变速器的轻型商用车为研究对象,开展整车质量和道路坡度的识别研究并探究其在档位决策上的应用。论文主要研究内容如下:（1）以建立质量和坡度识别研究的仿真环境为目的,首先根据整车、发动机和变速箱等参数信息并借助AVL CRUISE动力学仿真软件建立起商用车模型;为模型中自动变速器控制模块实现档位决策功能,分析并设计了二参数动力性换档规律,以此为基础,在Simulink/Stateflow中设计了档位决策模型,并与AVL CRUISE建立的整车模型进行信号连接,完成仿真环境的建立。（2）对最小二乘辨识算法进行分析与研究,运用Matlab/Simulink搭建起基于双遗忘因子最小二乘递推算法（FFRLS）的质量和坡度联合估计模型;利用CRUISE中生成的循环工况设计出道路坡度,以此为基础仿真分析了基本算法在恒定质量、变质量和坡道起步条件下的估计性能;深入分析原始算法存在的问题,提出了初始化协方差的改进算法。通过仿真验证表明,改进算法解决了原始算法不能准确估计变质量的问题,并且能够提高在质量变化后坡道起步下坡度估计的收敛速度和精度。（3）研究了基于长短期记忆循环神经网络（LSTM）的道路坡度估计。为了获得深度学习模型的训练数据和测试数据,利用开放数据中的实车车速和道路坡度信息并运用AVL CRUISE软件获得了商用车的行驶数据,以此为基础采用决策树法筛选出神经网络的输入特征参数,然后基于Pycharm软件平台设计了LSTM网络模型并进行了训练。实验结果表明,所设计的LSTM模型能够对道路坡度进行有效跟踪,与FFRLS相比,坡道起步时的坡度估计收敛时间短、估计精度较高。（4）对质量和坡度识别在档位决策上的应用进行了探究。首先基于基本的动力性换档规律的制定方法,分析了质量和坡度单独作用和共同作用下的换档规律和档位决策特点,在此基础上设计了基于模糊控制的档位修正策略,最后将FFRLS估计算法和档位决策模型进行集成。实验结果表明,所设计的基于质量和坡度识别的档位决策系统能够作出合理的档位判断,有效消除了换档循环。