摘要
换挡品质主客观评价一致性研究自动变速器换挡性能的好坏一般用换挡品质来表示，DCT 的换挡品质影响车辆动力传动系统的表现，与驾驶员驾驶感受密切相关。换挡品质评价方法是 DCT 开发过程中的关键技术，科学的评价方法对自动变速器换挡品质的提升至关重要。关于换挡品质评价方法的研究有主观和客观两方面，其中表征换挡品质的客观指标与主观评分之间存在关联，主客观评价结果之间的关系较为复杂。科学准确的评价结果是提升自动变速器产品性能的重要依据，换挡品质评价过程中需综合考虑主客观评价结果，本文对 DCT 换挡品质主客观评价一致性进行研究，研究的本质是建立换挡过程客观指标与主观评价结果之间的关联。
首先分析国内外换挡品质主观评价方法，建立换挡品质主观评价体系并设计主观评分表，同时考虑换挡过程中性能参数的变化建立客观评价指标。试验设计考虑两种升挡工况与不同的人群，对换挡过程中车辆总线数据进行采集，数据经预处理及模型计算提取出客观评价指标。换挡品质评价试验结果包含驾驶员的换挡客观评价指标与十分制的主观评分值，分析数据的变化趋势，发现驾驶员个体差异会影响主观评价结果，选择研究不同驾驶风格对换挡品质评价过程的影响。其次，不同驾驶风格的驾驶员对 DCT 换挡性能的关注点存在差异，得到准确的一致性分析结果之前应对驾驶员按照驾驶风格进行分类，构建灰色白化权函数建立灰色变权聚类模型，将油门开度 b 、油门开度变化率Db 、最大加速度a 三个数据作为一组输入，根据最大隶属度原则将试验人员分为激进型、适中型、保守型驾驶员三类，同时建立驾驶员驾驶风格辨识模型。
然后分析主客观评价结果的相关性以判断是否存在线性相关关系，计算各客观评价指标的相关系数以剔除重复指标精简数据，分别得到对主观评分影响较大的客观评价指标；针对三类不同驾驶风格的数据分别进行主客观评价结果的一致性分析，基于神经网络技术进行试验数据挖掘，不同驾驶风格驾驶员的主客观评价结果作为机器学习样本，通过模型训练获得网络的权值和偏差参数，建立 DCT 换挡过程中客观指标与主观评价结果之间的关联。
最终，在 Matlab/Simulink 环境下搭建 DCT 换挡品质主客观评价一致性模型，该模型为多输入单输出系统，以换挡过程中的各客观评价指标为输入，代替驾驶员对 DCT换挡过程进行评测。结果表明：模型输出结果的误差较低，该研究方法可对 DCT 换挡过程的个性化、智能化标定提供帮助。
关键词：双离合式自动变速器，换挡品质，主客观评价一致性，驾驶风格
ABSTRACTR
esearch on the Consistency of Subjective and Objective Evaluation for DCT ShiftQualityThe shift performance of automatic transmission is generally reflected by the shiftquality, and shift quality of DCT decides the performance of the vehicle power transmissionsystem, affecting driving feeling of driver. The evaluation methodology of DCT shiftperformance has become the focus during development process and scientific evaluationmethod is an important point to improve the shift quality of automatic transmission. Theresearch on the evaluation method of shift quality has subjective and objective aspects, inwhich the objective index representing shift quality is related to the subjective score, and themapping relationship between the subjective and objective evaluation results is morecomplicated. Improving the product performance of automatic transmission based on thescientific and accurate evaluation result. The subjective and objective evaluation resultsshould be considered synthetically during the process of shift quality evaluation, and primarycontent of this paper is the research about the consistency of subjective and objectiveevaluation of DCT shift quality, the essence of the research is to establish the relationshipbetween objective indices and subjective evaluation results during shift process.
First of all, analyzing the subjective evaluation methods of shift quality at home andabroad, in order to establish the subjective evaluation system of shift quality and design thesubjective scoring table. At the same time, defining the objective evaluation index based onthe change of performance parameters during shift process. Considering two kinds of shiftconditions and different groups of people, the test collects the vehicle bus data during theshift process which is used for extracting objective evaluation index by pre-processing andmodel calculation. The test results of shift quality evaluation include the objective evaluationindex of shift and the subjective evaluation value of ten about drivers with different drivingstyles. It is found that the individual characteristics of drivers will affect the subjectiveevaluation results with analyzing the changing of the data. The research considers theIVinfluence on the evaluation process of shift quality because of different driving styles.
Secondly, drivers of different driving styles have different concerns about DCT shiftperformance. Before obtaining the accurate consistency analysis results, drivers must beclassified according to driving style. Building gray variable weight clustering model throughgray whitening weight function, whose input data are throttle opening, throttle opening rateand maximum acceleration, the experimenters are divided into three categories: radical,moderate and conservative drivers according to the principle of maximum membershipgrade.The driving style identification model is built at the same time.
Afterwards, analyzing the relativity of subjective and objective evaluation results tojudge linear correlation relation. On the one hand, calculating the correlation ratio of eachobjective evaluation index to get rid of the repeated index to simplify the data; analyzing theconsistency of subjective and objective evaluation results relying on three kinds of data withdifferent driving styles. On the other hand, the neural network technology is used for theexperimental data mining, the subjective and objective evaluation results of drivers withdifferent driving styles are used as machine learning samples. Then the weights anddeviation parameters of the network are obtained by model training in order to establish thenonlinear mapping between objective index of DCT shift process and subjective evaluationresults.
Finally, the consistency model of subjective and objective evaluation about DCT shiftquality is completed in Matlab/Simulink. The model is a multiple input-single output systemwhose input parameters are the objective evaluation indices during the shift process, and themodel can evaluate the DCT shift process instead of the driver. The result about this researchshows that the error about the output results of the model is low, which would be beneficialto the personalized and intelligent calibration of DCT.
Key words：DCT, shift quality, subjective and objective evaluation consistency, driving style：
目 录
第 1 章 绪论 .................................................... 1
1.1 研究背景 ................................................. 1
1.2 换挡品质评价简介 ......................................... 2
1.3 换挡品质评价的研究现状 ................................... 2
1.3.1 国外研究现状 ......................................... 3
1.3.2 国内研究现状 ......................................... 4
1.4 本文的主要研究内容 ....................................... 6
第 2 章 DCT 换挡品质主、客观评价 ................................ 9
2.1 基于驾驶员的 DCT 换挡品质主观评价 ......................... 9
2.1.1 DCT 换挡品质主观评价体系建立 ........................ 10
2.1.2 DCT 换挡品质主观评价指标性能分析 ..................... 11
2.1.3 主观评分量表 ........................................ 14
2.2 DCT 换挡品质客观评价 .................................... 16
2.2.1 DCT 换挡品质客观评价指标的建立 ...................... 17
2.2.2 DCT 换挡品质客观评价指标的获取 ...................... 21
2.3 本章小结 ................................................ 24
第 3 章 DCT 换挡品质评价试验设计 ............................... 25
3.1 试验准备 ................................................ 25
3.2 试验项目 ................................................ 28
3.3 试验数据采集与分析 ...................................... 29
3.4 本章小结 ................................................ 33
第 4 章 驾驶员驾驶风格分类与辨识 ............................... 35
4.1 灰色聚类分析方法 ........................................ 35
4.2 灰色变权聚类模型的建立与应用 ............................ 41
4.2.1 建立灰色白化权函数 .................................. 41
4.2.2 灰色聚类权与聚类系数的计算 .......................... 42
4.2.3 灰色变权聚类模型的应用 .............................. 43
4.3 驾驶员驾驶风格辨识模型 .................................. 44
4.4 本章小结 ................................................ 45
第 5 章 DCT 换挡品质主客观评价一致性分析 ....................... 47
5.1 相关性分析方法 .......................................... 47
5.1.1 相关分析基本理论 .................................... 47
5.1.2 相关系数计算 ........................................ 47
5.1.3 BP 神经网络理论基础 ................................. 49
5.2 试验数据分析 ............................................ 52
5.2.1 主客观评价样本的相关分析 ............................ 52
5.2.2 基于神经网络数据挖掘技术的实现 ...................... 56
5.3 换挡品质主客观评价一致性模型 ............................ 59
5.4 本章小结 ................................................ 62
第 6 章 全文总结和展望 ......................................... 63
参考文献 ...................................................... 65
致 谢 ........................................................ 71
第 1 章 绪论
1.1 研究背景
随着自动变速器被越来越多地应用于现代汽车上以及使用者对乘坐舒适性要求的提高，自动变速器的换挡性能受到越来越多的关注。自动变速器的换挡过程影响整个动力传动系统的表现，有级式自动变速器在换挡过程中存在动力中断与冲击现象，换挡过程车辆性能的好坏一般用换挡品质来表示，换挡品质好则换挡过程表现平稳无动力中断。为提高车辆的换挡性能，关于车辆自动变速器换挡品质的研究愈发重要，换挡品质对整车动力性、经济性以及舒适性等性能有直接影响[1-2]，与驾驶员的驾驶感受息息相关。在自动变速器开发过程中，国内外厂商愈发重视对自动变速器换挡品质的改善。“改善”的前提是“评价”，准确高效的评价结果是自动变速器开发过程中提高换挡品质的关键[3]。关于汽车换挡品质的评价，主要有主观评价和客观评价两种[4-5]。
主观评价方法是自动变速器产品开发过程中的主流评价手段，即通过专业驾驶员试驾主观打分的方式对性能进行评价，根据评价结果对产品性能开发进行指导，当驾驶员主观评分较差时，需要改善换挡过程的控制策略并重新进行标定[6]，评价过程中，驾驶员的专业性对主观评价结果至关重要。客观评价方法以换挡品质客观评价指标为研究内容，换挡过程中车辆性能参数的改变引起驾驶员驾驶感受发生变化，表征换挡性能的客观评价指标与驾驶员主观评分之间存在密切关联。目前针对换挡过程客观评价内容的研究，集中在对换挡过程进行仿真设计，研究换挡过程控制策略对换挡品质客观评价指标的影响，通过设定控制目标修正控制策略，以此来提高自动变速器的换挡性能。但需要注意的是，换挡品质客观评价指标之间的相关性较强，与主观评价结果间的关系也较为复杂，往往难以对主观评价结果进行解释[7-8]。因此，换挡品质评价过程中需综合考虑主观评分与客观评价指标，科学的评价方法和准确的评价结果对自动变速器产品开发有重要的意义。
本文对自动变速器的换挡品质评价方法进行研究和拓展，针对 DCT 的换挡特性开展换挡品质评价方法的研究，一方面考虑影响驾驶员主观感受的外界因素，研究不同驾驶风格驾驶员对换挡性能要求的差异，另一方面研究客观评价指标与主观评价结果之间的关联，最终对换挡品质主客观评价结果的一致性展开研究，为 DCT 的智能化、吉林大学硕士学位论文2个性化标定提供帮助，提高 DCT 的换挡控制品质。
1.2 换挡品质评价简介
近年来，随着对自动变速器换挡品质研究的深入，换挡品质的定义已经从单一的平顺性研究发展到考虑换挡过程对整车舒适性、动力性、经济性及使用寿命的影响，即希望好的换挡品质能够提升整车的综合性能[9-10]。自动变速器换挡品质评价对于变速器产品的性能提升至关重要，开发过程中通过换挡品质评价的结果来指导性能优化是如今自动变速器产品开发的先进手段，因此换挡品质的评价是自动变速器产品开发过程中的关键技术[11]。
科学的评价方法及评价指标是自动变速器换挡品质评价的主要研究内容，评价指标是反映车辆换挡性能的基本元素，同时各评价指标间存在相互关联；科学的评价方法能够保证评价结果的合理性。车辆的换挡过程是动态复杂的，不同的驾驶员以及外界环境对换挡品质评价结果也存在影响，真实地反映车辆自动变速器的换挡性能是换挡品质评价的目的。关于换挡品质的评价有主观和客观两个方面，评价过程中需要综合考虑主观评价与客观评价的结果，确定主观感受与客观指标间的关联是换挡品质评价的重要研究方向。
1.3 换挡品质评价的研究现状
汽车换挡是非常频繁的，换挡过程不可避免会引起冲击振动，产生动载荷，使人感到不舒服，引起结合元件热负荷。传统意义上，换挡品质指换挡过程的平顺性；现代意义上，换挡品质被定义为换挡过程对车辆动力性、经济性、传动系统耐久性及乘客健康的影响程度的标准[12]。换挡品质评价方法主要分为主观评价方法和客观评价方法，表现在对人和对车两个方面，但二者的相关关系又给换挡品质评价方法研究带来新的内容—“换挡品质主客观评价一致性研究”。对车辆自动变速器换挡品质评价而言，其一致性研究的本质内容就是研究换挡过程中主、客观评价之间的关系，研究结果就是在主观评分与客观物理指标之间建立联系。
1.3.1 国外研究现状。
舒适是人体的主观感受，是心理和生理上的综合感知，影响舒适的因素包括多个方面。通常，表征舒适程度的主观评价可以用文字，也可以用具有评分机制的打分表来体现。换挡品质的主观评价能够直接有效地反映乘客直接感受，长期以来各大主机厂往往采用主观评价加统计分析的方式获得产品性能以指导自动变速器的开发。即请专业驾评师对产品进行试驾打分，通过统计分析来评价换挡品质，主观评价的评分机制通常为 10 分制，即将乘客的主观感受分成 10 个等级[13-14]，常见的评分标准如表 1.1所示。
表 1.1 主观评价打分标准。
车辆行驶是复杂的“人一车一环境”闭环系统，对于换挡品质主观评价来说，评价结果因人而异。例如，驾驶经验、年龄差别、性别不同、个性差异等，受主观意识和愿望（加速愿望、运动感觉）的影响，在相当程度上具有随意性和主观性[15]。因此，国外汽车研发团队在车辆行驶平顺性和操纵稳定性客观评价方面进行研究，取得了较多成果。
产品方面，不同研究机构开发出各自的评价系统，其中使用范围最广的是奥地利AVL 公司开发的 AVL-DRIVETM 评价系统，该系统通过采集换挡过程中行驶数据计算换挡品质评价指标，以神经网络模型为计算中心，获得不同工况换挡过程中的主观评分等级，系统的评价结果较为准确[16-17]，该系统还可以对整车的燃油经济性、排放作出评估，使用界面如图 1.1。随着产品升级，该系统可与 AVL-CAMEO 系统联合用于换挡控制参数的优化[2]。Volvo 的专家系统通过获取车辆纵向加速度得到与之相关的四个客观评价指标，以此来反映乘员在换挡过程中对平稳性所产生的主观感觉。与吉林大学硕士学位论文4AVL-DRIVETM系统一样采取神经网络作为核心来建立整个系统，通过分析大量数据获得车辆的换挡参数与主观评价之间的联系[18-19]。
图 1.1 AVL-DRIVETM评价系统
理论方面，从 20 世纪 70 年代始，国外学者开始对汽车操纵稳定性的主、客观评价进行一致性研究，随着研究的深入，针对客观指标提取、“人一车一环境”闭环系统的完善以及主客观模型的搭建等方面都取得了突破性进展，针对换挡品质主客观评价的一致性研究较少[20]。
最早在 1973 年，W.Lincke 通过驾驶模拟器试验研究汽车操纵稳定性的主、客观评价之间关系，发现车辆的横摆角速度响应时间及稳态侧偏角与主观评价密切相关[21]。
2002 年，利兹大学的 Ash 等人将利用人工神经网络的方法引入到客观指标与主观评分的非线性相关研究中[22]。此后，神经网络方法被广泛应用于操纵稳定性等车辆驾驶性能的一致性研究中。例如，JPelikán 等人利用广义神经网络(GRNN)及径向基神经网络(RBNN)对主客观相关性模型进行训练[23]。2007 年，D.C.Chen 与 D.A.Crolla 通过安排驾驶员驾驶不同车辆进行不同工况的试验，采集大量客观指标的同时获取主观评价结果，基于试验数据分析，采用线性回归的方法具体研究主观得分与客观指标的关系，得出影响主观感受的具体客观指标[24]。2016 年，GilGomez 等人分别利用线性回归及神经网络方法研究主客观间线性与非线性的相关性，随后检验评估预测的可信度，并以其研究结论分析出客观指标的度量范围[25]。
1.3.2 国内研究现状。
由于我国自动变速器发展起步较晚，在自动变速器换挡品质评价方面也处于发展
过实车试验，得到不同工况下中性转向点的侧向加速度等 7 个客观物理指标与相应的主观评价结果，通过回归分析筛选客观指标，随后运用 BP 神经网络建立客观指标与主观评分间的相关模型，验证结果模型准确性较好[31]。白艳以多元线性回归分析方法建立主客观评价指标的联系，应用 29 自由度车辆模型模拟操纵稳定性试验计算出客观指标，应用驾驶模拟器进行主观评价，通过回归分析将客观参数和主观评价相联系，建立了多元线性回归模型，揭示出主观感觉与谐振峰频率度等 10 个客观指标具有多元线性关系[32]。田晓雪提出一个相对完整的的主观评价体系，其对车辆起步加速、超车加速及各挡位加速等工况提出具体的主观评价指标、试验方法和评分标准[33]。
总结以上的国内外研究可知，这些评价方法主要针对客观评价指标及主观评价试验，对主客观评价一致性方面的研究仅局限于车辆操纵稳定性，在换挡品质评价方面还有待研究。阶段，近年来在换挡平顺性方面取得了一定进展。国内各汽车厂商依靠专业驾评师对开发中的自动变速器进行主观评价；客观评价方面，国内学者通常利用换挡时间、冲击度和离合器比滑磨功三个客观物理量反映换挡平顺性，用变速器输出轴的转矩变化来评价传动系零部件的动载荷[3]。换挡时间直接反映了车辆行驶过程中动力中断的程度，以及因此引起的纵向加速度变化对车辆舒适性的影响；冲击度既车辆纵向加速度的变化率，它直接反映了车辆对乘客的换挡冲击作用的同时，也把道路、驾驶员等非换挡因素排除在外；比滑摩功定义为主从摩擦片间滑动摩擦力矩做功与主从摩擦片间有效摩擦面积之比，主要用来评价摩擦元件的寿命和可靠性。摩擦作功产生热量不可避免，比滑摩功越小，作功产生的温度越低，则寿命越长，与此同时冲击度升高，在开发设计过程中往往采用参数优化对这一矛盾加以控制[2]。许多厂家有更具体细致的换挡品质客观评价指标，如滤波加速度峰峰值、冲击度峰峰值、平均功率最大值、10~14Hz滤波加速度峰峰值等。客观评价指标可通过仪器和传感器进行测量来获取，具有明确性和可比性，在车辆变速器开发阶段可通过计算机模拟仿真来预估其换挡品质的好坏，对换挡控制系统进行设计[26-27]。
葛安林将模糊方法应用到换挡品质评价领域，即根据乘客的动力性、经济性需求，依靠模糊理论建立不同客观评价指标间的权值分配原则，对换挡过程进行综合评价[28]。
王健基于支持向量基技术（SVM），建立了更加全面准确的换挡品质评价体系，该方法不仅考虑冲击度，还将换挡时噪声、燃油经济性等对人体主观感受有影响的因素纳入进来，得到更加科学准确的评价结果的同时，也对换挡品质影响因素进行了探索[12]。陈刚等人充分考虑人的感受，结合证据理论，融合多名驾驶员的评价结果，提出了一种基于 D-S 证据理论的换挡品质评价方法，提高换挡品质评价的可靠性[29]。此后，张建国等人以人工神经网络技术为支撑，进一步对换挡过程中各指标间映射关系、权值分配等问题进行系统的研究。
国内学者和研究团队在车辆操纵稳定性主客观评价一致性方面开展研究较早，在试验设计、指标定义以及相关性分析等方面取得较多成果，换挡过程的评价通常作为研究的一项内容展开。孔繁森等人利用演化与灰关联序结合的方法对车辆操纵稳定性主客观评价开展研究，基于驾驶模拟器进行操纵稳定性试验，得到各客观评价指标权重值的同时，也得出驾驶员对侧向位移和侧向加速度更加敏感的结论[30]。赵振东等人通过实车试验，得到不同工况下中性转向点的侧向加速度等 7 个客观物理指标与相应的主观评价结果，通过回归分析筛选客观指标，随后运用 BP 神经网络建立客观指标与主观评分间的相关模型，验证结果模型准确性较好[31]。白艳以多元线性回归分析方法建立主客观评价指标的联系，应用 29 自由度车辆模型模拟操纵稳定性试验计算出客观指标，应用驾驶模拟器进行主观评价，通过回归分析将客观参数和主观评价相联系，建立了多元线性回归模型，揭示出主观感觉与谐振峰频率度等 10 个客观指标具有多元线性关系[32]。田晓雪提出一个相对完整的的主观评价体系，其对车辆起步加速、超车加速及各挡位加速等工况提出具体的主观评价指标、试验方法和评分标准[33]。
总结以上的国内外研究可知，这些评价方法主要针对客观评价指标及主观评价试验，对主客观评价一致性方面的研究仅局限于车辆操纵稳定性，在换挡品质评价方面还有待研究。
第 6 章 全文总结和展望。
自动变速器换挡品质的优劣是车辆驾驶性能的重要体现，同样也影响驾驶员与乘客的主观感受。换挡品质评价方法是自动变速器开发过程中的关键技术，本文针对 DCT换挡品质主客观评价的一致性问题进行研究，首先文章介绍了换挡品质评价的发展现状及应用，接下来分析介绍现有的 DCT 换挡品质主观评价方法及客观评价指标的研究内容，通过分析 DCT 换挡过程中的影响因素建立主观评价体系与客观评价指标，进行试验方案设计获取试验数据。基于灰色聚类分析和相关分析对所获得的数据进行分类和评价指标的精简，最终针对三类不同驾驶风格驾驶员，基于神经网络数据挖掘技术分别建立主客观评价数据之间的关联，并在 Matlab/Simulink 环境下搭建 DCT 换挡品质评价的一致性模型，本文的主要工作及结论如下：
（1）研究国内外 DCT 换挡品质主观评价方法，建立基于驾驶员的换挡品质主观评价体系与主观评分量表，结合 DCT 换挡过程选取换挡品质客观评价指标，基于模型设计实现低通滤波及工况模式识别处理获取客观评价指标，通过主客观评价试验设计获取车辆换挡过程中的数据样本，包括不同驾驶风格驾驶员的换挡客观评价指标与试驾主观打分结果，为三种驾驶风格分类和指标间相关性分析提供数据基础。
（2）基于灰色聚类分析方法对试验结果进行分类。构建灰色白化权函数建立灰色变权聚类模型，以不同驾驶员换挡过程中油门开度 b 、油门开度变化率 Db 、最大加速度maxa 三个指标为输入，根据最大隶属度原则将试验人员分为激进型、适中型、保守型驾驶员三类，其中驾驶员 B、I 为激进型驾驶员，驾驶员 A、C、D、E、H、J 为适中型驾驶员，驾驶员 F、G、K、I 为保守型驾驶员。
（3）对三种驾驶风格驾驶员的主客观评价数据进行相关性分析，基于 BP 神经网络方法进行数据挖掘，建立换挡过程客观指标与主观评价结果之间的联系。根据相关性系数计算结果精简客观评价指标的数量，以此作为机器学习过程中的训练样本，获得模型网络的权值和偏差参数。最终在 Matlab/Simulink 环境下搭建 DCT 换挡品质主客观评价一致性模型，模型输出结果的误差较低验证了模型的有效性。
DCT 换挡品质主客观评价的一致性研究有较大的发展前景，但由于试验条件及时间的限制，本文存在诸多不足之处，后续将对这些问题进行更加深入的研究，具体的吉林大学硕士学位论文64研究展望如下：
（1）本文只进行两个工况的主客观评价实验，未能对其他工况进行研究，试验人员和试验数据较少；未来应增加试验工况与试验人员数量，增加数据量以更准确地对驾驶员进行分类，进一步增加模型的泛化能力与准确度，得到更有说服力的结论。
（2）客观评价指标的提取是在离线环境下完成的，需依次利用不同的软件进行记录和计算。为提高试验效率，可将 simulink 模型编译为 dll 动态链接库，通过在总线解析软件中添加节点的方式实现客观评价指标的在线提取。
（3）目前只是通过神经网络的方法获得系统的客观评价指标与主观评价结果之间的映射关系，这只是数据挖掘众多方法之一，还需对比不同机器学习方法的效果，择优作为最终方案。
（4）本文仅针对 DCT 车型进行研究，接下来可拓展不同类型自动变速器的主客观评价研究内容，构建多种评价体系与评价模型，丰富评价系统的功能，从而全面地实现多类型的自动变速器系统评价。
参考文献
[1] 葛安林. 车辆自动变速理论与设计[M]. 北京: 机械工业出版社, 1993: 186-189.
[2] 付尧. 基于客观评价的双离合器自动变速器换挡控制技术研究[D]. 长春: 吉林大学, 2015.
[3] 张建国. 基于神经网络的 AMT 换档品质评价方法研究[D]. 长春: 吉林大学, 2007.
[4] Dorey RE, Martin EJ. Vehicle Driveability-The development of an ObjectiveMethodology[C]. SAE Paper, 2000-01-1326.
[5] Dorey RE, Holmes CB. Vehicle Driveability-Its Characterization and Measurement[C].
SAE Paper, 1999-01-0949.
[6] 孙贤安. 干式双离合器式自动变速器控制技术及换挡品质研究[D]. 上海: 同济大学, 2011.
[7] 雷雨龙. 提高电控机械式自动变速器性能的研究[D]. 长春: 吉林工业大学, 1999.
[8] 沈波. 电控机械式自动变速器换挡品质的研究[D]. 长春: 吉林大学, 1983.
[9] 张炳力, 赵韩, 金朝勇, 等. 汽车自动变速器研究现状及展望[J]. 中国机械工程,2006(12): 417-420.
[10] 胡朝峰, 过学迅, 汪斌. 汽车变速器技术的发展与展望[J]. 汽车研究与开发,2005(5): 15-18.
[11] 吴心平, 赵清华, 杨宗田. 汽车自动变速器原理与发展趋势[J]. 汽车实用技术,2011(12): 35-38.
[12] 王健. 换档质量综合评价系统的研究[D]. 长春: 吉林大学, 2007.
[13] 陈娟娟. 乘用车操纵稳定性能主观与客观评价相关性研究[D]. 西安：长安大学,2016.
[14] J.C.Wheal, C.Crewe, M. Ramsbottom, et al. Automated Manual Transmissions AEuropean Survey and Proposed Quality Shift Metrics[C]. SAE Paper, 2002-01-0929.
[15] 罗仕鉴. 基于生物学反应的驾驶舒适度研究[D]. 杭州：浙江大学, 2005.
[16] Peter Schoeggl, Erich Ramschak. Vehicle Driveability Assessment using NeuralNetworks for Development, Calibration and Quality Tests[C]. SAE paper,2000-01-0702.
[17] Schoeggl, P., Koegeler, H.M., Gschweitl, et al. Automated EMS calibration usingobjective driveability assessment and computer aided optimization methods[C]. SAE 吉林大学硕士学位论文66paper, 2002-01-0849.
[18] List, H., Schoeggl, P. Objective evaluation of vehicle drive ability[C]. SAE paper,1998-01-0204.
[19] 李永发. 乘用车自动变速器换挡品质客观评价研究[D]. 长春: 吉林大学, 2012.
[20] 田甜. 乘用车操纵稳定性主观评价客观化研究[D]. 长春: 吉林大学, 2019.
[21] Linke W, Richter B, Schmidt,R. Simulation and measurement of driver vehiclehandling performance[C]. SAE Paper, 1973-01-0489.
[22] RP King, D A Crolla, H A S Ash. J Whitehead.Identification of Subjective-ObjectiveVehicle Handling Links Using Neural Networks for the Foresight Vehicle[C]. SAEPaper, 2002-01-1126.
[23] JPelikán. Correlation of Objective and Subjective Evaluation of Vehicle Handling byNeural Networks[J]. Bulletin of Applied Mechnics, 2012, 8(29): 1-4.
[24] D.C. Chen, D.A. Crolla. Subjective and objective measures of vehicle handling: driversand experiments[J]. Vehicle system dynamics, 2007, 29(S1): 576-597.
[25] Gil Gómez,G.L, Nybacka M, Bakker E, et al. Objective metrics for vehicle handlingand steering and their correlations with subjective assessments[J]. IntermationalJoumal of Automotive Technology, 2016, 17(5): 777-794.
[26] 张建国. 双离合器式自动变速器控制品质评价与优化[D]. 长春: 吉林大学, 2011.
[27] Wang jian, Lei yulong, Ge anlin. Support Vector Machine Based Assessment Systemon Shift Quality for Vehicles: Theory, Structure and Application[C]. InternationalConference on Natural Computation, IEEE, 2007.
[28] 张泰, 葛安林. 改善车辆起步换档品质提高乘车舒适性的研究[J]. 农业机械学报,2003(1): 18-20.
[29] 陈刚, 张为公, 龚宗洋, 等. 基于 D-S 证据理论的汽车换档品质主观评价方法[J].汽车技术, 2008(12): 16-19.
[30] 孔繁森, 郭孔辉, 宗长富. 基于演化策略的汽车操纵稳定性主客观评价的灰关联性研究[J]. 机械工程学报, 2004(07): 119-123.
[31] 赵振东, 雷雨成. 汽车操纵稳定性主客观评价数据的一种处理方法[J]. 汽车科技,2007(05): 21-24.
[32] 白艳. 基于多元线性回归的汽车操纵稳定性评价方法探索[D]. 长春: 吉林大学,2007.
[33] 田晓雪. 汽车主观性能评价方法研究[D]. 西安: 长安大学, 2014.
67[34] 周振宇, 万华森. 行车舒适性评价方法综述[J]. 物流科技, 2020, 43(01): 124-127.
[35] 王雪铭. 评价方法的演变与分类研究[D]. 上海: 上海交通大学, 2009.
[36] 陈衍泰, 陈国宏, 李美娟. 综合评价方法分类及研究进展[J]. 管理科学学报,2004(02): 69-79.
[37] 郭玉桥. 基于生物力学分析的变速器换挡性能主观评价体系的研究[D]. 武汉: 武汉理工大学, 2015.
[38] 王健, 雷雨龙, 郭孔辉, 等. 车辆换档质量概念的完善与评价[J]. 吉林大学学报(工学版), 2007(05): 1014-1018.
[39] 余志生. 汽车理论(第五版) [M]. 北京: 机械工业出版社, 2005: 203-204.
[40] Quanan Huang, Huiyi Wang. Fundamental Study of Jerk: Evaluation of Shift Qualityand Ride Comfort[C], SAE paper, 2004-01-2065.
[41] 王波. AMT 性能综合评价体系研究[D]. 长春: 吉林大学, 2012.
[42] 刘洪波, 雷雨龙, 张建国, 等. 双离合器式自动变速器换档品质评价与优化[J]. 吉林大学学报(工学版), 2012, 42(06): 1360-1365.
[43] 张建国, 雷雨龙, 王加雪, 等. 基于客观评价模型的 AMT 汽车起步品质优化方法[J]. 汽车工程, 2014, 36(04): 459-463+508.
[44] J. Persson. Integrated powertrain control-a literature survey on longitudinal vibrations,drivability aspects and future challenges[D]. Sweden: University of Chalmers, 2004.
[45] J.KARLSSON. Powertrain modeling and control for drivability in rapid transients[D].
Sweden: University of Technology, G?teborg, 2001.
[46] 宋志刚. 基于烦恼率模型的工程结构振动舒适度设计新理论[D]. 杭州: 浙江大学,2003.
[47] 贾伟. 基于聚类分析和灰色模型的短期雷击预警系统设计[D]. 长春: 吉林大学,2016.
[48] YS Lee，LI Tong. Forecasting energy consumption using a grey model improved byincorporating genetic programming [J]. Energy Conversion & Management, 2011,52(1): 147-152.
[49] Liu S F, Xie N M, Forrest J. Novel models of grey relational analysis based on visualangle of similarity and nearness[J]. Grey Systems: Theory and Application, 2013, 1(1):8-18.
[50] 叶莉莉. 面板数据下灰色关联聚类模型及其应用研究[D]. 郑州: 华北水利水电大吉林大学硕士学位论文68学, 2019.
[51] Luo D, Wei B L, Lin P Y. The optimization of several grey incidence analysismodels[J]. Journal of Grey System, 2015, 27(4): 1-11.
[52] Ji Ping, Chen Kejia. Application of grey incidence analysis to economic index timedifference analysis[J]. Proceedings of 2005 IEEE International Conference onNetworking, Sensing and Control, 2005: 247-251.
[53] 张瑞, 迟道才, 王晓瑜, 等. 基于马尔可夫过程的改进残差灰色灾变预测模型研究[J]. 中国农村水利水电, 2008(01): 7-10.
[54] 黄琦. 基于灰色理论的汽车销售量预测研究[J]. 机械制造, 2013, 51(04): 78-80.
[55] 唐辉. 基于典型相关分析的人脸识别方法研究[D]. 南京: 南京邮电大学, 2011.
[56] N.M. Correa, T. Eichele, T. Adali, et al. Mult-set Canonical Correlation Analysis for theFusion of Concurrent Single Trial EPR and Fuctional MRI[J]. Neurolmage, 2010,50(4): 1438-1445.
[57] Peng, Y., D. Zhang, J. Zhang. A new canonical correlation analysis algorithm with localdiscrimination[J]. Neural processing letters, 2010, 32(1): p. 1-15.
[58] 赵峰. 典型相关分析算法理论及其在模式分类中的应用[D]. 西安: 西安电子科技大学, 2005.
[59] W.M. Zheng, X.Y. Zhou, C.R. Zou, et al. Facial Expression Recognition Using KernelCanonical Correlation Analysis[J]. IEEE Transactions on Neural Networks, 2006,17(1): 233-238.
[60] 梁杰, 谢军, 高印寒, 等. 基于相关分析的车内声品质偏好性评价模型[J]. 吉林大学学报(工学版), 2009, 39(S2): 274-278.
[61] 杨万安, 施云翔, 刘立刚. 汽车悬架 K&C 特性参数相关性分析[J]. 汽车工程学报, 2020, 10(01): 72-78.
[62] 刘普辉, 章桐. 汽车驾驶品质主客观测试评价及相关性分析[J]. 中国工程机械学报, 2015, 13(05): 451-456.
[63] 陈克, 阳思远, 毛书林. 车内声品质主客观评价的相关性分析[J]. 沈阳理工大学学报, 2017, 36(03): 101-105.
[64] 姜吉光, 王登峰, 苏丽俐, 等. 车内噪声品质偏好性主客观评价及相关性分析[J].汽车技术, 2012(08): 6-10.
[65] 王春梅. 基于神经网络的数据挖掘算法研究[J]. 现代电子技术, 2017, 40(11):111-114.
[66] 董明明, 蒋涛, 晏婉晨, 等. 数据挖掘中 BP 神经网络与决策树技术的应用研究[J].经济研究导刊, 2018(20): 186-190.
[67] 张晓明, 吴光强, 张德明. 基于神经网络的 DCT 换挡品质评价系统的开发[J]. 汽车科技, 2008(06): 38-41.
[68] 孙涵莆, 胡鑫泽, 张琪虹, 等. 基于 BP 神经网络与灰色预测模型的公路运量预测[J]. 科技与创新, 2020(03): 31-33.
