具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

图1为根据本申请一个实施例的车辆自动变速器挡位自学习方法的流程示意图。

步骤101，实时采集车辆在运行过程中的实际挡位信号。

在本申请实施例中，可通过挡位传感器实时采集车辆在运行过程中的变速器的挡位信号，并将该挡位信号作为车辆在运行过程中的实际挡位信号。其中，车辆可为新能源车辆。车辆在运行过程中的实际挡位信号可包括但不限于1挡、2挡、3挡、4挡、5挡、R挡、G挡、E挡，其中，1挡、2挡、3挡、4挡、5挡为前进挡，R为倒挡，G为发电挡，E可理解为EV挡，即纯电机带动车辆行驶的挡位，无发动机参与。

步骤102，根据目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变。

在本申请实施例中，利用目标挡位信号和实际挡位信号对挡位动作进行监测，判断挡位是否发生改变。比如，假设确定变速器的目标挡位信号(可理解为欲挂入挡位信号)为3挡，而此时采集到的实际挡位信号为2挡时，可判断出挡位信号发生了改变，即需要进行挡位更改。又比如，假设确定变速器的目标挡位信号为2挡，而此时采集到的实际挡位信号也为2挡时，判断出挡位没有发生改变。

步骤103，当判断挡位发生改变时，根据实时采集到的实际挡位信号和车辆的车速信号，确定挡位执行机构是否进入目标挡位。

在本申请的实施例中，为了使得判断挡位执行机构是否进入目标挡位的算法更加严谨，必须同时满足两部分要求才认定为进入目标挡位。其中一部分要求为：挡位采样值与其延迟一个步长的采样值做差，差值在误差允许范围内保持一段时间不再变化；其中另一部分要求为：利用车速信号和挡位信号，根据变速箱各挡位传动比和车轮轮胎直径来计算变速器输入轴的转速，并与传感器采集到的变速器输入轴轴速做差，差值的绝对值在误差允许范围内。具体详见后续实施例的描述。

步骤104，如果确定挡位执行机构进入目标挡位，则对目标挡位进行在线自学习。

在详细介绍目标挡位的在线自学习之前，可先对本申请中的变速器挡位结构、变速器挡位执行机构和变速器挡位电液模块进行详细介绍。

图2是根据本申请一个实施例的车辆自动变速器挡位结构示意图。如图2所示，该自动变速器由4根轴构成，每根轴上有一个挡位执行机构负责同轴上的两个挡位，通过电流控制电磁阀的开度获得目标液压力来驱动拨叉进行换挡动作。其中，图3为根据本申请一个实施例的车辆自动变速器挡位执行机构的结构示意图。如图3中钢球所在位置为空挡位置。由于空挡档位的结构设置，空挡结构的凹槽内壁坡度大于外部坡度，根据力学原理可知空挡挂挡力小于空挡槽脱挡阻力，一旦钢珠进入空挡槽，因拨叉挂空挡的控制力不变且小于脱离空挡的阻力，确保空挡不会脱离当前的位置。

在本申请实施例中，自动变速器的挡位执行机构可通过电流控制电磁阀的开度获得目标液压力来驱动拨叉进行换挡动作。图4为根据本申请一个实施例的车辆自动变速器挡位电液模块的控制原理图。如图4所示，该电液控制模块由主油路提供所有工况下所需油压。该模块有两个相互独立的油路。134G调压阀调节后的高压油供给13电磁阀和4G电磁阀，13电磁阀和4G电磁阀分别控制对应的换挡拨叉。25ER调压阀调节后的高压油供给25电磁阀和ER电磁阀，25电磁阀和ER电磁阀分别控制对应的换挡拨叉。134G调压阀和25RE调压阀均用电流来控制其输出的压力大小，当控制电流为最大电流(如0xCC0)时，管路中有足够油压来满足13电磁阀、4G电磁阀、25电磁阀、ER电磁阀对不同压力的需求。当控制电流为最小电流(如0x800)时，管路压力为0，无压力去推动挡位执行机构的运动。其中，需要说明的是，主油路油压由压力传感器监控，实时控制油压电机的启停，使主油路油压始终保持在合理范围内。

同理，电磁阀同样使用电流进行控制，如图4下半部分所示，换挡液压缸为双作用差动式结构。电磁阀用电流进行控制A-P和A-T的接通。当A-T接通时，缸体两侧的高压油压强相等，但换挡液压缸中两侧的作用面积不同，两侧的压力不同，导致液压缸中的活塞杆向右运动，挡位执行机构挂入25ER挡位。当A-P接通时，此时液压缸内无杆腔一侧同油底壳相连，油压为0，有杆腔存在压力，活塞杆推动挡位执行机构向左运动挂入134G挡。

在本申请的实施例中，可通过以下方式实现对目标挡位的在线自学习：确定目标挡位在线自学习的挡位位置参数基准值和目标误差值；根据目标挡位在线自学习的挡位位置参数基准值和目标误差值，确定目标挡位在线自学习的采样值筛选范围；对目标挡位在线自学习过程中挡位信号采集值进行筛选，以获取落在采样值筛选范围内的实时采样值；根据落在采样值筛选范围内的实时采样值，确定目标挡位在本次在线自学习周期内学习到的在线自学习值。

也就是说，通过目标挡位在线自学习的挡位位置参数基准值和目标误差值，可确定出目标挡位在线自学习的采样值筛选范围；之后，根据目标挡位在线自学习的采样值筛选范围对目标挡位在线自学习过程中挡位信号采集值进行筛选，并将落在采样值筛选范围内的实时采样值，确定为目标挡位在本次在线自学习周期内学习到的在线自学习值。由此，在确定挡位执行机构进入目标挡位之后，再进行目标挡位的在线自学习，这样可以保证自学习练习样本的准确性，排除了顶齿现象或挡位没挂正确的情况下，进行自学习导致学习结果值有误差不准确，影响精确度的情况。

需要说明的是，由于不同挡位在进行在线自学习时，对实时采样值进行筛选时所使用的采样值筛选范围也会不同，且在线自学习结果的选取方式也会不同。在本申请的实施例中，假设挡位上次在线自学习周期内学习到的在线自学习值a作为挡位本次在线自学习的挡位位置参数基准值，预先设定目标误差值为b，可确定1挡、2挡、4挡、R挡的采样值筛选范围为[a-b,a]，确定3挡、5挡、G挡、E挡的采样值筛选范围为[a,a+b]。如图5所示，为了防止变速器结构磨损等现象引起的脱挡甚至挂不上挡，在获得落在采样值筛选范围内的实时采样值时，1挡、2挡、4挡、R挡位自学习结果可取采样值筛选范围[a-b,a]内最小值，3挡、5挡、G挡、E挡位自学习结果可取采样值筛选范围[a,a+b]内最大值，这样取得的在线自学习值为变速器使用一段时间后各挡位参数变化后的极限值。

在本申请实施例中，在确定目标挡位在本次在线自学习周期内学习到的在线自学习值之后，将目标挡位在本次在线自学习周期内学习到的在线自学习值进行存储，以对目标挡位在线自学习的挡位位置参数基准值进行更新，以便对该目标挡位进行下一次在线自学习时，作为该目标挡位的挡位位置参数基准值。由此，通过将每次自学习的学习结果值作为最新的基准值进行存储，以便下次自学习时进行参考，无需设置寄存器来储存大量的数据，也不需要制定各种复杂的储存规则。

其中，需要说明的是，若目标挡位已进行过在线自学习，则目标挡位在线自学习的挡位位置参数基准值可为目标挡位在上一次在线自学习周期内学习到的在线自学习值；若目标挡位未进行过在线自学习，则目标挡位在线自学习的挡位位置参数基准值可为目标挡位在离线自学习时所学习得到的自学习值。也就是说，离线自学习可为在线自学习功能提供首次在线自学习初始值，作为首次在线自学习的挡位位置参数基准值。而由于会将目标挡位在本次在线自学习周期内学习到的在线自学习值进行存储，以对目标挡位在线自学习的挡位位置参数基准值进行更新，所以，当目标挡位已经进行过在线自学习之后，可从存储的挡位位置参数基准值中找出该目标挡位在线自学习的挡位位置参数基准值，该找到的挡位位置参数基准值即为该目标挡位在上一次在线自学习周期内学习到的在线自学习值。

其中，在本申请的实施例中，变速器各挡位的离线自学习可通过以下方式实现：在车辆处于静态工况下时，确定挡位传感器采集的离线换挡信号反馈值以及变速器各挡位的电磁阀控制电流；根据挡位传感器采集的离线换挡信号反馈值以及变速器各挡位的电磁阀控制电流，对变速器的各挡位进行离线自学习。例如，可通过挡位传感器采集离线换挡信号反馈值以及电磁阀控制电流，在车辆处于静态工况(车辆静止，无动力输出)下，根据挡位传感器采集的离线换挡信号反馈值以及变速器各挡位的电磁阀控制电流，通过控制器程序指令使变速器各挡位进行自学习，从而替代人工标定，可以避免变速器下线人工标定的挡位信息参数与实际装车后不一致的情况，节省人工标定的时间，提高效率和准确性。其中，离线自学习可分为空挡自学习、单挡位自学习和全过程自学习三种模式，具体详见后续实施例的描述。

举例而言，假设所述目标挡位为3挡，以3挡上次在线自学习周期内学习到的在线自学习值a作为3挡本次在线自学习的挡位位置参数基准值，并预先设定目标误差值b为例，对3挡自学习过程中挡位信号采集值进行筛选，以获取落在该挡位在线自学习的采样值筛选范围[a,a+b]内的实时采样值。然后，将落在所述采样值筛选范围[a,a+b]内的实时采样值中的最大值，确定该挡位在本次在线自学习周期内学习到的在线自学习值。之后，将3挡在本次在线自学习周期内学习到的在线自学习值进行存储，经底层控制对挡位进行实时修正补偿，实现挡位的精确控制。

需要说明的是，在本申请的一个实施例中，在对该目标挡位进行自学习过程中，若采集到采集值均没有落在该目标挡位的采样值筛选范围内，或者目标挡位在线自学习超时，则可判定为目标挡位在线自学习失败，发送失败标志位，经变速器处理，继续沿用该挡位上次在线自学习周期内学习到的在线自学习值，待下次换入该挡位再进行自学习，并更新该挡位的信息参数。

综上，通过结合目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变，并在挡位发生改变时，根据实时采集到的实际挡位信号和车速信号，判断挡位执行机构是否进入目标挡位，使得判断挡位执行机构是否进入目标挡位更加严谨，确保自学习过程，齿轮齿圈完全啮合，真正进入挡位，自学习值更加准确。同时，不需要设置寄存器来储存大量的数据，也不需要制定各种复杂的储存规则，减少了算法复杂度，简单实用。

在本申请实施例中，如图6所示，根据实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值是否满足第一预设条件，且计算得到的变速器输入轴轴速是否满足第二预设条件，则确定挡位执行机构是否进入目标挡位。具体实现过程如下：

步骤601，判断实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值，是否满足第一预设条件。

可选地，所述实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值小于第一阈值且保持预设时间未变化，可理解为：实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值小于第一阈值且保持预设时间未变化。

也就是说，可将挡位传感器实时采集到的实际挡位信号值与其延迟一个步长采集到的实际挡位信号值做差值，当差值小于第一阈值且保持预设时间未变化，则实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值满足第一预设条件；当差值大于或等于第一阈值和/或未保持预设时间未变化，则实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值不满足第一预设条件。

步骤602，根据实时采集到的实际挡位信号和车辆的车速信号，计算变速器输入轴轴速。

可以理解，挡位的不同，则变速器输入轴轴速的计算方式也会不同。

作为一种示例，当实时采集到的实际挡位信号为发电挡位时，根据变速器发电挡位传动比和电机转速，计算变速器输入轴轴速。在本申请实施例中，变速器输入轴轴速可根据如下公式进行计算：

η_输入端＝η_电/i

其中，η_输入端表示变速器输入轴轴速(单位为转/分钟)，η_电表示电机转速(单位为转/分钟)，i表示变速器发电挡位传动比。

作为一种示例，当实时采集到的实际挡位信号为非发电挡位时，根据车速信号、变速器挡位传动比和车轮轮胎直径，计算变速器输入轴轴速。在本申请实施例中，变速器输入轴轴速可根据如下公式进行计算:

η_输入端＝1000×v×i/60×π×D

其中，η_输入端表示变速器输入轴轴速(单位为转/分钟)，v表示车速(单位为千米/小时)，i表示变速器发电挡位传动比，π表示圆周率，D表示车轮轮胎直径(单位为米)。

步骤603，判断计算得到的变速器输入轴轴速是否满足第二预设条件。

可选地，获取变速器输入轴的实际轴速；将计算得到的变速器输入轴轴速与变速器输入轴的实际轴速进行差值计算，判断计算得到的差值是否小于第二阈值；若计算得到的变速器输入轴轴速与变速器输入轴的实际轴速之间的差值小于第二阈值，则判定满足第二预设条件；若计算得到的变速器输入轴轴速与变速器输入轴的实际轴速之间的差值大于或等于所述第二阈值，则判定未满足所述第二预设条件。

也就是说，通过挡位传感器采集变速器输入轴的实际轴速，并将计算得到的变速器输入轴轴速与挡位传感器采集到的变速器输入轴的实际轴速进行相差，并将差值与第二阈值进行比较，若计算得到的变速器输入轴轴速与挡位传感器采集到的变速器输入轴的实际轴速之间的差值小于第二阈值，则计算得到的变速器输入轴轴速满足第二预设条件；若计算得到的变速器输入轴轴速与挡位传感器采集到的变速器输入轴的实际轴速之间的差值大于或等于第二阈值，则计算得到的变速器输入轴轴速不满足第二预设条件。

步骤604，如果实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值满足第一预设条件，且计算得到的变速器输入轴轴速满足第二预设条件，则确定挡位执行机构进入目标挡位。

进一步的，在本申请的实施例中，如果实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值不满足第一预设条件，和/或，计算得到的变速器输入轴轴速不满足第二预设条件，则挡位执行机构没有进入目标挡位。

由此，根据实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值是满足第一预设条件，且计算得到的变速器输入轴轴速是满足第二预设条件，则确定挡位执行机构进入目标挡位。在确定挡位执行机构进入目标挡位之后，变速器再进行档位自学习，可以保证自学习练习样本的准确性，排除了顶齿现象或档位没挂正确的情况下，进行自学习导致学习结果值有误差不准确，影响精确度的情况。

在本申请实施例中，若目标挡位未进行过在线自学习，则目标挡位在线自学习的挡位位置参数基准值为目标挡位在离线自学习时所学习得到的自学习值。也就是离线自学习为在线自学习提供首次在线自学习初始值，作为首次在线自学习成功后结果准确性判断的挡位位置参数基准值。其中，如图7所示，离线自学习可分为空挡自学习、单挡位自学习和全过程自学习三种模式。其中，全过程自学习模式是指空挡自学习与单挡位自学习结合的模式。

在本申请的一个实施例中，可通过以下方式实现空挡位的离线自学习：确定空挡位的基准值和允许误差值，并根据空挡位的基准值和允许误差值，确定空挡位的挡位区间，之后，可基于空挡位离线自学习的时间周期，调节调压阀和空挡位电磁阀的电流以使挡位执行机构在空挡位的挡位区间内进行往复运动，并在挡位执行机构停止时，确定挡位传感器采集到的信号反馈值，并将挡位传感器采集到的信号反馈值确定为空挡位的离线自学习值。

举例而言，如图8所示，空挡自学习首先可根据试验标定给定空挡的基准值a和基准值允许误差b(a，b值确定空挡的大概位置)，通过调节调压阀和目标挡位电磁阀的电流来使挡位执行机构在a±b区间内进行往复运动。其中，需要说明的是，空挡自学习的原理如图3所示，图中钢球所在位置即为空挡位置。由于空挡档位的结构设置，空挡结构的凹槽内壁坡度大于外部坡度，根据力学原理可知空挡挂挡力小于空挡槽脱挡阻力，一旦钢珠进入空挡槽，因拨叉挂空挡的控制力不变且小于脱离空挡的阻力，确保空挡不会脱离当前的位置。

在本申请的实施例中，一次空挡自学习的时间周期为调压阀电流从最大电流(如0xCC0)降为最小电流(如0x800)，即调压阀控制的液压力由最大液压力降为最小。以一个时间周期T为例，在调压阀电流从最大电流(如0xCC0)降为最小电流(如0x800)的过程中，挡位执行机构在空挡档位区间[a±b]内往复运动，当调压阀电流降为最小电流(如0x800)时，此时电流最小，调压阀控制的液压力最小(为0)，不再有液压力推动挡位执行机构运动，挡位执行机构停止，此时挡位传感器采集到的信号反馈值即为空挡自学习结果，自学习结果即为在一个电流周期T内，挡位执行机构在空挡档位区间[a±b]内的最终停止位置。连续进行三次空挡自学习，记录相应学习值，若三次空挡自学习结果相互做差，差值均在允许误差范围(比如，±50)，则空挡自学习成功。若空挡自学习成功，将三次自学习值的平均值作为空挡自学习结果，并发送自学习成功标志位。若空挡自学习失败，发送失败标志位，重新进行空挡自学习。为防止自学习过程一直无结果输出而无尽地循环下去，若整个空挡自学习过程超时(比如300s)则判定为空挡自学习失败，等待重新进行空挡自学习。

在本申请的一个实施例中，可通过以下方式各单挡位的离线自学习：确定待离线自学习的目标单挡位信号；基于目标单挡位信号和单挡位离线自学习的时间周期，调节调压阀和目标单挡位电磁阀的电流以使挡位执行机构进入目标单挡位；在确定挡位执行机构进入目标单挡位时，确定挡位传感器采集到的信号反馈值，并将挡位传感器采集到的信号反馈值确定为目标单挡位的离线自学习值。

举例而言，如图9所示，系统初始化后，首先对全部的电磁阀施加最小电流(如0x800)，使得挡位执行机构位于最左侧，并对全部的调压阀施加最大电流(如0xCC0)以得到最大的液压力。其中，需要说明的是，单挡位自学习原理基于变速器物理结构，挡位执行机构通过控制电磁阀电流以液压力推动活塞向左运动挂入1挡，向右运动挂入3挡。其中，需要说明的是，该变速器设有挡位保护装置，即使挡位达到极限位置继续施加力的作用，也不会对挡位执行机构造成损伤。

在本申请实施例中，对于1挡&3挡单挡自学习，对电磁阀施加最大电流(如0xCC0)，使得挡位执行机构位于最右侧，使挡位执行机构以最大液压力向左运动挂入1挡，使得挡位执行机构从最右侧以最大液压力向1挡挂挡，即挡位执行机构从最右侧以最大液压力向左运动。对挡位执行机构的位置进行连续判断，将挡位执行机构的当前位置与其延迟一个步长的采样值做差值进行连续性判断，满足差值在允许预设条件一段时间后，则一个挡位自学习周期完成。对电磁阀施加最小电流(0x800)，使得挡位执行机构位于最左侧，使挡位执行机构以最大液压力向右运动挂入3挡，即挡位执行机构从最左侧以最大液压力向右运动，并对挡位执行机构的位置进行连续判断，将挡位执行机构的当前位置与其延迟一个步长的采样值做差值进行连续性判断，满足差值在允许预设条件一段时间后，则一个档位自学习周期完成。同理，2挡&5挡、4挡&G挡、R挡&E挡与1挡&3挡单挡自学习原理完全相同。

在本申请实施例中，各挡位重复10次自学习动作，并记录每次单挡位自学习结果。将10次自学习结果进行数据处理，10次自学习结果相互计算差值，若差值在预设的允许误差范围内，则为有效值。否则为无效值，接着，将无效值进行剔除，若自学习结果至少有8个有效值，判定为自学习成功。如果自学习结果有效值小于8个或者自学习过程超时(如300s)，则判定单挡自学习失败。若单挡自学习成功，按照1挡、2挡、4挡、R挡位输出每一档位自学习结果中最大值(自学习众有效值中数值最大的值即为目标挡位所能学习到的极限位置)，3挡、5挡、G挡、E挡位输出每一档位自学习结果中最小值(自学习众有效值中数值最小的值即为目标挡位所能学习到的极限位置)的原则将单挡自学习结果由变速器储存起来，并发送单挡位自学习成功标志。若单挡位自学习失败，发送自学习失败标志并将本次单挡位自学习结果记为0，变速器接受到自学习失败标志位后，则继续沿用上次该挡位的单挡自学习结果。

离线自学习中的全过程自学习模式可包括：空挡自学习和单挡自学习。其中，空挡自学习可参见图8所示实施例的描述，单挡自学习可参见图9所示实施例的描述，本申请不再赘述。

在本申请实施例中，离线自学习可为在线自学习功能提供首次在线自学习初始值，作为首次在线自学习成功后结果准确性判断的基准值。在车辆运行一段时间后，对车辆定期检查维修，可启动离线自学习功能，对变速器的实际情况作出判定以决定是否更换或返厂维修，具体可以在车辆检修时，启动离线自学习，可将检修离线自学习的结果与车辆出厂时首次离线自学习的结果值进行比较，可以得出变速器的损坏状态。当车辆某些功能需要使用静态挡位参数，可随时调用离线自学习功能获得相应参数。

本申请实施例的车辆自动变速器挡位自学习方法，通过采集车辆在运行过程中的实际挡位信号；根据目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变；当判断挡位发生改变时，根据实时采集到的实际挡位信号和所述车辆的车速信号，确定挡位执行机构是否进入目标挡位；如果确定所述挡位执行机构进入目标挡位，则对目标挡位进行在线自学习，该方法通过结合目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变，并在挡位发生改变时，根据实时采集到的实际挡位信号和车速信号，判断挡位执行机构是否进入目标挡位，使得判断挡位执行机构是否进入目标挡位更加严谨，确保自学习过程，齿轮齿圈完全啮合，真正进入挡位，自学习值更加准确。同时，不需要设置寄存器来储存大量的数据，也不需要制定各种复杂的储存规则，减少了算法复杂度，简单实用。

与上述几种实施例提供的车辆自动变速器挡位自学习方法相对应，本申请的一种实施例还提供一种车辆自动变速器挡位自学习装置，由于本申请实施例提供的车辆自动变速器挡位自学习装置与上述几种实施例提供的车辆自动变速器挡位自学习方法相对应，因此在前述车辆自动变速器挡位自学习方法的实施方式也适用于本实施例提供的车辆自动变速器挡位自学习装置，在本实施例中不再详细描述。图10为根据本申请一个实施例的车辆自动变速器挡位自学习装置的结构示意图。如图10所示，该车辆自动变速器挡位自学习装置包括：实际挡位信号采集模块1010、挡位变化判断模块1020、挂挡确定模块1030、在线自学习模块1040。

其中，实际挡位信号采集模块1010，用于采集车辆在运行过程中的实际挡位信号；挡位变化判断模块1020，用于根据目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变；挂挡确定模块1030，用于当判断挡位发生改变时，根据实时采集到的实际挡位信号和车辆的车速信号，确定挡位执行机构是否进入目标挡位；在线自学习模块1040，用于在确定挡位执行机构进入目标挡位时，对目标挡位进行在线自学习。

作为本申请实施例的一种可能实现方式，挂挡确定模块1030具体用于：判断实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值，是否满足第一预设条件；根据实时采集到的实际挡位信号和车辆的车速信号，计算变速器输入轴轴速；判断计算得到的变速器输入轴轴速是否满足第二预设条件；如果实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值满足第一预设条件，且计算得到的变速器输入轴轴速满足第二预设条件，则确定挡位执行机构进入目标挡位。

作为本申请实施例的一种可能实现方式，挂挡确定模块1030具体用于：实时采集到的实际挡位信号中相邻两个采样时刻所采集到的实际挡位信号间的差值小于第一阈值且保持预设时间未变化。

作为本申请实施例的一种可能实现方式，挂挡确定模块1030具体用于：当实时采集到的实际挡位信号为发电挡位时，根据变速器发电挡位传动比和电机转速，计算变速器输入轴轴速；当实时采集到的实际挡位信号为非发电挡位时，根据车速信号、变速器挡位传动比和车轮轮胎直径，计算变速器输入轴轴速。

作为本申请实施例的一种可能实现方式，挂挡确定模块1030具体用于：获取变速器输入轴的实际轴速；将计算得到的变速器输入轴轴速与变速器输入轴的实际轴速进行差值计算，判断计算得到的差值是否小于第二阈值；若计算得到的变速器输入轴轴速与变速器输入轴的实际轴速之间的差值小于所述第二阈值，则判定满足第二预设条件；若计算得到的变速器输入轴轴速与变速器输入轴的实际轴速之间的差值大于或等于第二阈值，则判定未满足第二预设条件。

作为本申请实施例的一种可能实现方式，在线自学习模块1040具体用于：确定目标挡位在线自学习的挡位位置参数基准值和目标误差值；根据目标挡位在线自学习的挡位位置参数基准值和目标误差值，确定目标挡位在线自学习的采样值筛选范围；对目标挡位在线自学习过程中挡位信号采集值进行筛选，以获取落在采样值筛选范围内的实时采样值；根据落在采样值筛选范围内的实时采样值，确定目标挡位在本次在线自学习周期内学习到的在线自学习值。

作为本申请实施例的一种可能实现方式，若目标挡位已进行过在线自学习，则目标挡位在线自学习的挡位位置参数基准值为目标挡位在上一次在线自学习周期内学习到的在线自学习值；若目标挡位未进行过在线自学习，则目标挡位在线自学习的挡位位置参数基准值为目标挡位在离线自学习时所学习得到的自学习值。

作为本申请实施例的一种可能实现方式，在线自学习模块1040还包括：在确定目标挡位在本次在线自学习周期内学习到的在线自学习值之后，将目标挡位在本次在线自学习周期内学习到的在线自学习值进行存储，以对目标挡位在线自学习的挡位位置参数基准值进行更新。

作为本申请实施例的一种可能实现方式，该车辆自动变速器挡位自学习装置还可包括：离线自学习模块。该离线自学习模块用于：在车辆处于静态工况下时，确定挡位传感器采集的离线换挡信号反馈值以及变速器各挡位的电磁阀控制电流；根据挡位传感器采集的离线换挡信号反馈值以及所述变速器各挡位的电磁阀控制电流，对变速器的各挡位进行离线自学习。

本申请实施例的车辆自动变速器挡位自学习装置，通过采集车辆在运行过程中的实际挡位信号；根据目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变；当判断挡位发生改变时，根据实时采集到的实际挡位信号和所述车辆的车速信号，确定挡位执行机构是否进入目标挡位；如果确定所述挡位执行机构进入目标挡位，则对所述目标挡位进行在线自学习，该装置通过结合目标挡位信号和采集到的实际挡位信号，判断挡位是否发生改变，并在挡位发生改变时，根据实时采集到的实际挡位信号和车速信号，判断挡位执行机构是否进入目标挡位，使得判断挡位执行机构是否进入目标挡位更加严谨，确保自学习过程，齿轮齿圈完全啮合，真正进入挡位，自学习值更加准确。同时，不需要设置寄存器来储存大量的数据，也不需要制定各种复杂的储存规则，减少了算法复杂度，简单实用。

为了实现上述实施例，本申请还提出一种车辆，如图11所示，该车辆可包括：存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。处理器1002执行所述程序时实现上述实施例中提供的车辆自动变速器挡位自学习方法。

进一步地，该车辆还包括：通信接口1003，用于存储器1001和处理器1002之间的通信。存储器1001，用于存放可在处理器1002上运行的计算机程序。存储器1001可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。处理器1002，用于执行所述程序时实现上述实施例所述的车辆自动变速器挡位自学习方法。如果存储器1001、处理器1002和通信接口1003独立实现，则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器1001、处理器1002及通信接口1003，集成在一块芯片上实现，则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。

处理器1002可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。

为了实现上述实施例，本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上实施例所述的车辆自动变速器挡位自学习方法。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。