无人驾驶机器人车辆是实现车辆自动驾驶的一种新方式,不同于线控自动驾驶车辆。其最大特点是无需对车辆进行任何改装,可以安装在多种不同类型的驾驶室内,适用于日常行驶、车辆性能测试、军警领域等。本文在课题组对驾驶机器人的研究基础上,研究了驾驶机器人车辆的智能换挡策略。首先,介绍了驾驶机器人车辆基础结构,并建立了驾驶机器人车辆纵向动力学模型。然后,研究了考虑负载波动的驾驶机器人动力学特性。建立了考虑负载波动的驾驶机器人动力传递模型,包括了动力传递虚拟样机和负载波动模型。在换挡机械手的负载波动模型中,建立了神经网络挂挡负载、阻尼系统选挡负载、高斯脉冲二次冲击及高斯白噪声行驶颠簸模型。然后,研究了驾驶机器人车辆换挡驾驶行为。对比了人工与机器驾驶油门离合换挡驾驶行为,以及换挡机械手机械解耦与协调控制的区别。在此基础上,建立了人工驾驶油门离合换挡驾驶行为模型,以及基于深度确定性策略梯度强化学习（DDPG）与自抗扰控制器（ADRC）的换挡机械手协调控制方法。最后,建立了考虑车辆行驶状态的驾驶机器人车辆智能换挡策略。建立了基于自动编码器（AE）与高斯混合模型（GMM）的车辆行驶状态辨识模型,通过AE对车辆行驶数据进行通用特征提取,然后通过GMM进行聚类。然后,建立了基于深度Q网络强化学习（DQN）的换挡策略,建立了驾驶机器人车辆换挡策略的马尔科夫模型,并对不同行驶状态下的换挡策略进行求解。通过仿真对比试验数据证明了模型的有效性。