本發(fā)明屬于用于車輛自動變速控制技術(shù)領(lǐng)域，具體地說是一種擁堵工況辨識與自動變速換擋修正系統(tǒng)及其方法。

背景技術(shù)：

一般車輛自動變速器包括若干傳動齒輪和離合器，換擋即根據(jù)車輛所需的變速器輸入軸與輸出軸的轉(zhuǎn)速比，控制離合器的結(jié)合和分離，使變速器輸入軸與輸出軸的轉(zhuǎn)速比變?yōu)樾碌霓D(zhuǎn)速比。

自動變速換擋控制技術(shù)是車輛變速控制的關(guān)鍵技術(shù)，自動變速換擋控制主要包括單參數(shù)、二參數(shù)、三參數(shù)，甚至四參數(shù)的基本換擋控制方法，以提高燃油經(jīng)濟性和改善換擋平順性。

車輛在擁堵工況下，自動變速基本換擋控制方法按照正常行駛工況設(shè)定，無法根據(jù)車輛不同行駛工況采取不同的換擋控制策略來滿足當前所需的檔位，以致駕駛員為了跟車與行車安全，頻繁踩踏油門踏板和制動踏板，車速與油門容易突變，導(dǎo)致車輛頻繁換檔，加大換檔執(zhí)行部件和制動系統(tǒng)的磨損，甚至?xí)?dǎo)致干式雙離合器的換擋離合器過熱而中斷動力，引發(fā)安全事故。

技術(shù)實現(xiàn)要素：

本發(fā)明是為避免上述現(xiàn)有技術(shù)所存在的不足之處，提供一種擁堵工況辨識與自動變速換擋修正系統(tǒng)及其方法，以期能有效辨識擁堵工況并進行自動變速換擋修正，滿足擁堵工況下的換擋控制需求，從而避免擁堵工況時頻繁換檔，減少換檔執(zhí)行部件和制動系統(tǒng)的磨損，并提高車輛的行駛安全性和乘坐舒適性。

本發(fā)明為解決技術(shù)問題采用如下技術(shù)方案：

本發(fā)明一種擁堵工況辨識與自動變速換擋修正系統(tǒng)，是應(yīng)用于包含傳感器模塊和電磁閥組的自動變速器中，所述傳感器模塊包括：節(jié)氣門開度傳感器、制動踏板傳感器、車速傳感器和檔位傳感器；其特點是，

所述擁堵工況辨識與換擋修正系統(tǒng)包括：信號處理模塊、擁堵工況辨識模塊、換擋修正模塊和電磁閥驅(qū)動模塊；

所述信號處理模塊包括：訓(xùn)練樣本獲取模塊和辨識樣本獲取模塊；

所述擁堵工況辨識模塊包括：t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊和t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模塊；

所述訓(xùn)練樣本獲取模塊在訓(xùn)練樣本周期內(nèi)采集所述節(jié)氣門開度傳感器、制動踏板傳感器和車速傳感器輸出的信號并進行計算處理，獲得訓(xùn)練樣本周期內(nèi)由平均節(jié)氣門開度、制動次數(shù)和行駛里程構(gòu)成的訓(xùn)練樣本，并發(fā)送至所述t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊；

所述辨識樣本獲取模塊在辨識樣本周期內(nèi)采集所述節(jié)氣門開度傳感器、制動踏板傳感器和車速傳感器輸出的信號并進行計算處理，獲得辨識樣本周期內(nèi)由平均節(jié)氣門開度、制動次數(shù)和行駛里程構(gòu)成的辨識樣本，并發(fā)送至所述t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模塊；

所述t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊根據(jù)所接收的訓(xùn)練樣本，對t-s模糊神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直到誤差不超過所設(shè)定的閾值時，得到訓(xùn)練好的t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模型；

所述t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模塊利用所述訓(xùn)練好的t-s模糊神經(jīng)網(wǎng)絡(luò)模型對所接收到的辨識樣本進行擁堵工況辨識，并將辨識得到的擁堵工況級別輸出至所述自動變速器換擋修正模塊；所述擁堵工況級別分為一級擁堵、二級擁堵和三級擁堵；

所述自動變速換當修正模塊采集所述檔位傳感器輸出的檔位信號，并根據(jù)所接收的擁堵工況級別，對基本換擋規(guī)律進行修正，得到車輛自動變速換擋修正策略并轉(zhuǎn)換為換擋修正指令輸出至所述電磁閥驅(qū)動模塊，由所述電磁閥驅(qū)動模塊控制所述電磁閥組執(zhí)行換擋修正操作。

本發(fā)明一種擁堵工況辨識與自動變速換擋修正方法的特點是按以下步驟進行：

步驟1、建立t-s模糊神經(jīng)網(wǎng)絡(luò)，令t-s模糊神經(jīng)系統(tǒng)的輸出yi為：

式(1)中，xi為第i個系統(tǒng)輸入；pi為第i個模糊系統(tǒng)參數(shù)；wi為第i個模糊規(guī)則適用度，i為系統(tǒng)輸入變量數(shù)，i＝1,2,3，并有：

式(2)中：為第i個輸入變量的第j個分量的適用度函數(shù)；j為每個輸入變量的模糊分割數(shù)，j＝1,2,3；

步驟2、對標準擁堵工況下所采集的節(jié)氣門傳感器、制動踏板傳感器、車速傳感器輸出的信號進行計算，得到訓(xùn)練樣本周期內(nèi)由平均節(jié)氣門開度、制動踏板制動次數(shù)和行駛里程構(gòu)成的訓(xùn)練樣本；

步驟3、將所述述訓(xùn)練樣本作為所述t-s模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)輸入，利用t-s模糊神經(jīng)網(wǎng)絡(luò)對所述訓(xùn)練樣本進行訓(xùn)練，得到t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模型；

步驟4、對正常行駛工況下所采集的節(jié)氣門傳感器、制動踏板傳感器、車速傳感器輸出的信號進行計算，得到辨識樣本周期內(nèi)由平均節(jié)氣門開度、制動踏板制動次數(shù)、行駛里程構(gòu)成的辨識樣本；

步驟5、利用所述t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模型對所述辨識樣本進行擁堵工況辨識，得到擁堵工況；

步驟6、根據(jù)所述擁堵工況對基本換擋規(guī)律進行修正，得到車輛自動變速換擋修正策略并生成相應(yīng)自動變速換擋修正指令以驅(qū)動電磁閥組執(zhí)行換擋修正操作。

本發(fā)明所述的擁堵工況辨識與自動變速換擋修正方法的特點也在于，步驟3是按以下方法進行：

步驟3.1、計算所述t-s模糊神經(jīng)網(wǎng)絡(luò)的實際輸出與期望輸出的誤差e：

式(3)中：yd為所述t-s模糊神經(jīng)網(wǎng)絡(luò)的期望輸出；yc為所述t-s模糊神經(jīng)網(wǎng)絡(luò)的實際輸出；

步驟3.2、采用梯度法調(diào)整模糊系統(tǒng)參數(shù)與適用度函數(shù)參數(shù)，直到誤差e不超過所設(shè)定的閾值為止。

步驟6按以下方法進行：

步驟6.1、對所述擁堵工況進行分級，分為一級擁堵、二級擁堵和三級擁堵；

步驟6.2、采集檔位傳感器、節(jié)氣門開度傳感器、車速傳感器、制定踏板傳感器輸出的信號進行計算，得到當前擁堵工況，并根據(jù)基本換擋規(guī)律計算得到當前檔位；

步驟6.3、判斷當前擁堵工況是否處于一級擁堵工況，若是，則執(zhí)行步驟6.4；否則，執(zhí)行步驟6.5；

步驟6.4、令車輛自動變速換擋修正策略為對當前檔位降一檔；

步驟6.5、判斷當前擁堵工況是否處于二級擁堵工況，若是，則執(zhí)行步驟6.6；否則，執(zhí)行步驟6.7；

步驟6.6、令車輛自動變速換擋修正策略為對當前檔位降二檔；

步驟6.7、令車輛自動變速換擋修正策略為將當前檔位鉗制在一檔。

與已有技術(shù)相比，本發(fā)明的有益效果體現(xiàn)在：

1、本發(fā)明針對擁堵工況下車輛自動變速頻繁換擋的問題，提出了一種擁堵工況辨識與自動變速換擋修正系統(tǒng)及其方法，避免了自動變速器基本換擋控制策略由于無法辨識擁堵工況和換擋修正而導(dǎo)致的頻繁換擋問題，通過進行擁堵工況辨識與分級，并根據(jù)擁堵級別對自動變速基本換擋規(guī)律進行修正，提高了車輛的行駛安全性和乘坐舒適性。

2、本發(fā)明所涉及的擁堵工況辨識模塊采用t-s模糊神經(jīng)網(wǎng)絡(luò)進行擁堵工況辨識，利用了t-s模糊算法的的自適應(yīng)能力和人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，實現(xiàn)了擁堵工況辨識，提高了辨識精度。

3、本發(fā)明所涉及的自動變速換擋修正方法具備根據(jù)擁堵工況的變化進行自動換擋控制，避免了擁堵工況時頻繁換檔，同時減少了換檔執(zhí)行部件和制動系統(tǒng)的磨損，延長了換擋不見和制動系統(tǒng)的使用壽命，提高了車輛自動變速控制的智能化水平。

4、本發(fā)明所涉及的擁堵工況辨識與自動變速換擋修正模塊通過車輛本身現(xiàn)有的傳感器資源即可實現(xiàn)擁堵工況辨識與自動變速換擋修正，具備產(chǎn)業(yè)化成本優(yōu)勢。

5、本發(fā)明所涉及的擁堵工況辨識與自動變速換擋修正系統(tǒng)及其方法，可針對不同類型的車輛和自動變速器通過試驗標定確定車輛行駛工況和駕駛意圖識別模塊中的參數(shù)閾值，適用于各種類型的車輛和自動變速器，應(yīng)用范圍廣泛。

附圖說明

圖1為本發(fā)明系統(tǒng)結(jié)構(gòu)應(yīng)用示意圖；

圖2為本發(fā)明的t-s模糊神經(jīng)網(wǎng)絡(luò)辨識訓(xùn)練誤差示意圖；

圖3為本發(fā)明的正常換擋規(guī)律下的檔位示意圖；

圖4為本發(fā)明的自動變速換擋修正策略下的檔位示意圖。

具體實施方式

本實施例中，一種擁堵工況辨識與自動變速換擋修正系統(tǒng)，是通過采集傳感器信號并進行計算處理，獲得訓(xùn)練樣本和辨識樣本，并對t-s模糊神經(jīng)網(wǎng)絡(luò)辨識系統(tǒng)進行訓(xùn)練、擁堵工況辨識和分級，根據(jù)擁堵級別對自動變速基本換擋規(guī)律進行修正。

具體的說，一種擁堵工況辨識與自動變速換擋修正系統(tǒng)，是應(yīng)用于包含傳感器模塊和變速器換擋控制電磁閥組的自動變速器中，傳感器模塊包括：節(jié)氣門開度傳感器、制動踏板傳感器、車速傳感器和檔位傳感器，均是目前車輛上標配的傳感器，車輛的自動變速器換擋執(zhí)行系統(tǒng)基本上以電磁閥控制液壓系統(tǒng)驅(qū)動換擋執(zhí)行機構(gòu)的形式為主，易于本發(fā)明的換擋修正系統(tǒng)的推廣應(yīng)用；

參閱圖1，擁堵工況辨識與換擋修正系統(tǒng)包括：信號處理模塊、擁堵工況辨識模塊、換擋修正模塊和電磁閥驅(qū)動模塊；

信號處理模塊包括：訓(xùn)練樣本獲取模塊和辨識樣本獲取模塊；

擁堵工況辨識模塊包括：t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊和t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模塊；

車輛的行駛特征可通過多種參數(shù)描述，當車輛在擁堵工況時，車速極低，節(jié)氣門開度較小且伴隨著制動操作，根據(jù)《城市交通管理評價指標體系》規(guī)定，將平均速度作為交通擁堵工況的評價指標，定義平均節(jié)氣門開度為樣本周期內(nèi)平均油門開度，即：

式(1)中：為平均節(jié)氣門開度；αi為第i次采樣的節(jié)氣門開度；n為采樣次數(shù)。

平均節(jié)氣門開度不僅可以反映駕駛員加速意圖，而且可用于表征一段時間內(nèi)車輛的行駛速度特征，考慮到參數(shù)的獨立性，車輛平均速度選取單位時間內(nèi)的行駛里程來反映；制動踏板的作動次數(shù)可以反映駕駛員減速意圖；因此，選取樣本周期內(nèi)的平均節(jié)氣門開度、制動次數(shù)和行駛里程作為t-s模糊神經(jīng)網(wǎng)絡(luò)的輸入量。

訓(xùn)練樣本獲取模塊在訓(xùn)練樣本周期內(nèi)采集節(jié)氣門開度傳感器、制動踏板傳感器和車速傳感器輸出的信號并進行計算處理，獲得訓(xùn)練樣本周期內(nèi)由平均節(jié)氣門開度、制動次數(shù)和行駛里程構(gòu)成的訓(xùn)練樣本，并發(fā)送至t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊；

辨識樣本獲取模塊在辨識樣本周期內(nèi)采集節(jié)氣門開度傳感器、制動踏板傳感器和車速傳感器輸出的信號并進行計算處理，獲得辨識樣本周期內(nèi)由平均節(jié)氣門開度、制動次數(shù)和行駛里程構(gòu)成的辨識樣本，并發(fā)送至t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模塊；

t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊根據(jù)所接收的訓(xùn)練樣本，對t-s模糊神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直到誤差不超過所設(shè)定的閾值時，得到訓(xùn)練好的t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模型；

t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模塊利用訓(xùn)練好的t-s模糊神經(jīng)網(wǎng)絡(luò)模型對所接收到的辨識樣本進行擁堵工況辨識，并將辨識得到的擁堵工況級別輸出至自動變速器換擋修正模塊；擁堵工況級別分為一級擁堵、二級擁堵和三級擁堵；

自動變速換當修正模塊采集檔位傳感器輸出的檔位信號，并根據(jù)所接收的擁堵工況級別，對基本換擋規(guī)律進行修正，得到車輛自動變速換擋修正策略并轉(zhuǎn)換為換擋修正指令輸出至電磁閥驅(qū)動模塊，由電磁閥驅(qū)動模塊控制電磁閥組執(zhí)行換擋修正操作。

本實施例中，一種擁堵工況辨識與自動變速換擋修正方法，是按以下步驟進行：

步驟1、建立t-s模糊神經(jīng)網(wǎng)絡(luò)，具體地說，是按以下過程進行：

首先，根據(jù)t-s模糊神經(jīng)網(wǎng)絡(luò)的輸入量為樣本周期內(nèi)的平均節(jié)氣門開度、制動次數(shù)和行駛里程，則輸入量為3個，即平均節(jié)氣門開度、制動次數(shù)和行駛里程；t-s模糊神經(jīng)網(wǎng)絡(luò)辨識的目標是擁堵工況級別，則輸出量為1個，即擁堵工況級別；每個輸入變量神經(jīng)元語言變量選取為3，即模糊分割數(shù)為3，則系統(tǒng)具有9個適用度函數(shù)，則t-s模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-9-1；

其次，對t-s模糊神經(jīng)網(wǎng)絡(luò)的各輸入量進行模糊等級分級和適用度函數(shù)建立，適用度函數(shù)為：

式(2)中：i為系統(tǒng)輸入變量數(shù)，i＝1,2,3；j為每個輸入變量的模糊分割數(shù)，j＝1,2,3；為第i個輸入變量的第j個分量的適用度函數(shù)；xi為第i個系統(tǒng)輸入；

則模糊規(guī)則適用度wi為：

式(3)中：i＝1,2,3；j＝1,2,3；

令t-s模糊神經(jīng)系統(tǒng)的輸出yi為：

式(4)中：pi為第i個模糊系統(tǒng)參數(shù)；

步驟2、對標準擁堵工況下所采集的節(jié)氣門傳感器、制動踏板傳感器、車速傳感器輸出的信號進行計算，得到訓(xùn)練樣本周期內(nèi)由平均節(jié)氣門開度、制動踏板制動次數(shù)和行駛里程構(gòu)成的訓(xùn)練樣本；

步驟3、利用t-s模糊神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本進行訓(xùn)練，得到t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模型，具體的說，是按以下方法進行：

步驟3.1、計算t-s模糊神經(jīng)網(wǎng)絡(luò)的實際輸出與期望輸出的誤差e：

式(5)中：yd為t-s模糊神經(jīng)網(wǎng)絡(luò)的期望輸出；yc為t-s模糊神經(jīng)網(wǎng)絡(luò)的實際輸出；

步驟3.2、采用梯度法調(diào)整模糊系統(tǒng)參數(shù)與適用度函數(shù)參數(shù)，具體的說，模糊系統(tǒng)參數(shù)與適用度函數(shù)參數(shù)的調(diào)整是按以下方法進行：

模糊系統(tǒng)參數(shù)的修正規(guī)則如下：

式(6)、(7)中：k為迭代運算次數(shù)；α為網(wǎng)絡(luò)學(xué)習(xí)率；

適用度函數(shù)參數(shù)的修正規(guī)則如下：

式(8)～(11)中：為適用度函數(shù)的中心；為適用度函數(shù)的寬度；β為修正步長；

通過不斷修正t-s模糊神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)pi、和使得誤差e逐漸減小，直到誤差e不超過所設(shè)定的閾值為止，使得t-s模糊神經(jīng)網(wǎng)絡(luò)模型辨識的擁堵工況級別逐漸逼近實際擁堵等級。

步驟4、對正常行駛工況下所采集的節(jié)氣門傳感器、制動踏板傳感器、車速傳感器輸出的信號進行計算，得到辨識樣本周期內(nèi)由平均節(jié)氣門開度、制動踏板制動次數(shù)、行駛里程構(gòu)成的辨識樣本；

步驟5、利用t-s模糊神經(jīng)網(wǎng)絡(luò)辨識模型對辨識樣本進行擁堵工況辨識，得到擁堵工況；

步驟6、根據(jù)擁堵工況對基本換擋規(guī)律進行修正，得到車輛自動變速換擋修正策略并生成相應(yīng)自動變速換擋修正指令以驅(qū)動電磁閥組執(zhí)行換擋修正操作，具體的說，是按以下方法進行：

步驟6.1、對擁堵工況進行分級，分為一級擁堵、二級擁堵和三級擁堵；

步驟6.2、采集檔位傳感器、節(jié)氣門開度傳感器、車速傳感器、制定踏板傳感器輸出的信號進行計算，得到當前擁堵工況，并根據(jù)基本換擋規(guī)律計算得到當前檔位；

步驟6.3、判斷當前擁堵工況是否處于一級擁堵工況，若是，則執(zhí)行步驟6.4；否則，執(zhí)行步驟6.5；

步驟6.4、令車輛自動變速換擋修正策略為對當前檔位降一檔；

步驟6.5、判斷當前擁堵工況是否處于二級擁堵工況，若是，則執(zhí)行步驟6.6；否則，執(zhí)行步驟6.7；

步驟6.6、令車輛自動變速換擋修正策略為對當前檔位降二檔；

步驟6.7、令車輛自動變速換擋修正策略為將當前檔位鉗制在一檔。

實施例：以車輛行駛在非常擁堵路段為例，結(jié)合圖1～圖4，將擁堵工況辨識與自動變速修正控制過程進行描述，選擇自動變速檔位為8的某型車輛，非常擁堵路段選取某市工作日晚高峰的在一環(huán)路，具體如下：

選取取樣本周期內(nèi)的平均節(jié)氣門開度、制動次數(shù)和行駛里程作為t-s模糊神經(jīng)網(wǎng)絡(luò)的輸入量，；為了保證訓(xùn)練樣本的準確性以及多樣性，通過實車采集合肥市一環(huán)路晚高峰非常擁堵、一般擁堵、暢行狀態(tài)車輛參數(shù)各四十組，分別記樣本a，樣本b，樣本c，每組參數(shù)包含三個分量，分別為樣本周期內(nèi)的平均節(jié)氣門開度、制動次數(shù)和行駛里程。樣本a、b和c各取30組共90組數(shù)據(jù)構(gòu)成訓(xùn)練樣本，選取剩余數(shù)據(jù)中非常擁堵12組作為辨識樣本。

為提高運算速度以及誤差精度，需要對訓(xùn)練樣本數(shù)據(jù)以及辨識樣本共102組數(shù)據(jù)進行歸一化處理，運用極值標準化值公式，即：

式(12)中：a為數(shù)據(jù)序號，i＝1,2,3,...,102；x′ab為樣本中任意一組車輛參數(shù)某個因子值；xb為數(shù)據(jù)分量，b＝1,2,3；x′bmin、x′bmax分別為x′ab中的最小值和最大值；xab為標準化后的指標；

根據(jù)訓(xùn)練樣本的維數(shù)，確定t-s模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)；由于輸入數(shù)據(jù)含有三個分量為3維，每個輸入分量神經(jīng)元語言變量為3，輸出數(shù)據(jù)為1維，則t-s模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-9-1，即有9個隸屬度函數(shù)。利用t-s模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對訓(xùn)練誤差不斷的調(diào)整，不斷修正t-s模糊神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)pi、和t-s模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練300次，訓(xùn)練誤差不斷趨于零，如圖2所示，橫坐標epochs為訓(xùn)練次數(shù)，error為訓(xùn)練誤差；采用t-s神經(jīng)網(wǎng)絡(luò)對辨識樣本對進行辨識，辨識結(jié)果為三級擁堵工況，與車輛所處工況相符合。

當t-s神經(jīng)網(wǎng)絡(luò)對車輛行駛工況的辨識結(jié)果為三級擁堵工況時，按照正常自動變速換擋規(guī)律，車輛的自動變速過程如圖3所示，具體如下：

車輛以一檔起步行駛，此時車輛油門開度低，車速低；當前方車輛前進時，駕駛員為了跟車，增大油門開度，當達到基本換擋規(guī)律的升檔點時，車輛檔位升為二檔；而當前方車輛減速時，駕駛員為了行車安全，利用制動踏板減速，此時車速減小至達到基本換擋規(guī)律的降檔點時，車輛檔位由二檔降為一檔，這種頻繁的升降檔一直持續(xù)到擁堵結(jié)束。

當t-s神經(jīng)網(wǎng)絡(luò)對車輛行駛工況的辨識結(jié)果為三級擁堵工況時，按照自動變速換擋修正策略，車輛的自動變速過程如圖4所示，具體如下：

車輛以一檔起步行駛，此時車輛油門開度低，車速低；當前方車輛前進時，駕駛員為了跟車，增大油門開度，當達到基本換擋規(guī)律的升檔點時，車輛檔位應(yīng)升至二檔，但是t-s模糊神經(jīng)網(wǎng)絡(luò)識別的擁堵工況為三級擁堵，屬于非常擁堵工況，相應(yīng)的自動變速換擋修正策略為將當前檔位鉗制在一檔，根據(jù)三級擁堵工況的換擋修正策略，限制車輛升為二擋，保持一檔行駛，避免了頻繁換檔，減少了換檔部件的磨損，同時由于在一擋行駛，車速的控制可通過油門的深淺進行控制，因此減小了制動次數(shù)和制動系統(tǒng)的磨損。