准确的道路坡度信息为燃料电池汽车的控制决策提供了重要信息,影响了整车的动力性、经济性、安全性和智能化。近年来,大量的汽车行驶状态数据可以通过CAN总线系统实时获取,为道路坡度的感知提供了必要的硬件基础。但是在车辆实际行驶过程中,总是存在着噪声的干扰和行驶状况的变化,导致难以通过这些参数确定准确的道路坡度。本研究考虑了实际环境下噪声的干扰以及传统方法建模复杂的问题,针对道路坡度随时间变化及其变化连续的特点,提出了基于长短期记忆网络的道路坡度实时感知方法,可以通过燃料电池汽车行驶时采集的CAN总线数据,感知当前时刻和未来短时间内的道路坡度信息。主要内容包括:（1）考虑到道路坡度感知方法的实时性、准确性需求,对燃料电池汽车行驶动力模型进行了分析,建立了道路坡度与其它汽车行驶参数之间的函数关系,选择了制动踏板开度、加速踏板开度、汽车速度、汽车加速度和直流总线功率这5个行驶参数作为网络输入特征。并将输入特征与道路坡度的相关性进行了分析,表明这5个参数的确有助于汽车行驶过程中道路坡度的估计与预测。（2）考虑了汽车实际行驶过程中噪声干扰的影响,进行了实车试验来验证算法,并选择了坡度变化范围较大的道路作为试验路线,清楚地评估该方法在道路坡度不断变化时的性能。同时,实车试验中的制动过程表明该方法在汽车制动时仍具有一定的感知性能,弥补了现有感知方法在汽车制动时的不足,扩大了道路坡度估计与预测方法的应用范围。（3）考虑了该方法对不同道路的适应性,选择了两段不同的路线来进行实车试验。其中,第一段道路的第一次行驶数据用来训练该算法,而第一段道路的第二次行驶数据和第二段道路的行驶数据用来测试该算法,结果表明在相同道路和不同道路上,该算法都具有良好的性能。综上所述,本文通过汽车CAN总线中的行驶数据,建立了基于长短期记忆网络（Long Short-Term Memory,LSTM）的道路坡度实时感知方法,适用于包括制动工况的汽车真实行驶环境。实车试验验证了该方法的有效性和适应性,可以将该方法用在车辆的控制决策中。