驾驶员特性是驾驶员在驾驶过程中表现出来的一种驾驶习惯,它能够反映驾驶员一定的性格特性。不同特性的驾驶员对车辆的性能要求往往是不同的,因此本文进行了基于驾驶员特性的自适应换挡规律研究。首先在模拟驾驶环境下采集不同驾驶员在起步、加速及制动工况下的驾驶数据,利用PCA分析法选取驾驶员在这些工况下的聚类分析特征参数,采用K-means、SOM神经网络以及GMM聚类算法分别对这些工况下的驾驶数据进行了聚类分析,并对三种聚类算法的聚类结果进行了对比分析,验证了聚类结果的合理性。由聚类分析得到了驾驶员在起步、加速及制动工况下的分类数据,为驾驶员特性识别提供了基础。通过对比分析选择了模糊逻辑推理作为本文驾驶短时意图识别所使用的识别方法;根据分等级识别的规则,将驾驶员在车辆纵向控制的短时驾驶意图进行了分类;利用模糊逻辑理论,分别设计了加速及车速维持驾驶意图识别模型和制动减速意图识别模型的特征参数及其隶属度函数和相应的模糊推理规则,并由此建立了驾驶员短时意图识别的Simulink仿真模型。将短时驾驶意图识别模型加入到模拟驾驶器中,在模拟驾驶器上验证了所建立的驾驶员短时意图识别模型的实时性和有效性。根据车速变化率情况设计了起步、加速及制动工况识别程序,以驾驶员特性聚类分析结果为基础建立了基于SOM神经网络的驾驶员特性识别器,可根据驾驶员驾驶历史数据评判驾驶员特性;利用图解法计算模拟驾驶器中车辆变速器最佳动力性与最佳经济性换挡规律;建立了能够自适应驾驶员特性的换挡规律,即以驾驶员特性识别得到的驾驶员特性指数为参数使车辆在二参数最佳动力性与最佳经济性换挡规律之间进行折中计算换挡点;建立了能够考虑驾驶员短时意图的驾驶员特性自适应换挡规律,即以驾驶员特性指数与驾驶员短时意图共同决定的驾驶员综合评价参数为参数使车辆在二参数最佳动力性与最佳经济性换挡规律之间进行折中计算换挡点,并通过仿真验证了所建立的自适应换挡规律的有效性。