面对日益严格的油耗限制与排放法规,兼具传统汽车与新能源汽车优点的混合动力汽车成为当下的最优选择。作为混合动力汽车中能量混合度最高、传动系统最简洁的一种,增程式混合动力汽车（Range Extend Hybrid Electric Vehicles,简称REEV）成为当下研究的热点。然而现有混合动力汽车实际节能减排效果与设计的能量管理策略差异较大,如果能够进行汽车未来行驶工况的预测进而改善控制策略,可以有效的提高整车的经济性。本文以某一紧凑型传统燃油车为研究对象,完成了增程式混合动力系统开发,进行了工况预测能量管理策略的设计及优化问题研究,并搭建了整车联合仿真分析平台和台架试验平台,对所提出的控制策略进行验证,具体研究内容如下:首先,在分析混合动力汽车的构型、REEV工作模式与能量流的基础上,针对目标车型性能需求,按不同工作模式下的三个设计层级分别对动力总成各部件进行了选型与参数匹配,包括驱动电机类型和峰值功率、动力电池单体类型与串并联形式、减速器类型与传动比、发电机类型和持续功率、发动机排量与油耗等。而后,使用LMS AMESim和MATLAB/Simulink软件完成了REEV前向联合仿真分析平台的搭建,利用理论建模与实际建模相结合的方法,分别建立了部件仿真方面的驱动电机模型、动力电池模型、减速器模型、发动机模型,整车仿真方面的驾驶员模型、车辆纵向动力学模型、整车控制系统模型,为后续研究做好铺垫。第三,选用车辆追踪法采集了实车行驶数据,结合单目摄像头与计算机视觉成熟的算法基础,完成了视野内车辆数检测与前方跟车车距的估计,构建了含行车环境信息与坡度信息的实车循环工况并分别与全部行驶数据、典型工况NEDC、典型工况UDDS进行了对比。对所构建的实车循环工况分别利用BP神经网络和模糊逻辑控制,完成了道路工况的辨识和驾驶员意图识别。结果表明:结合了环境信息后,道路工况辨识结果精确度高于传统辨识方法,驾驶员意图识别预测性好于传统识别方法。最后,分别建立了电池充、放电时的等效燃油最小（Equivalent Consumption Minimization Strategy,简称ECMS）控制策略,按辨识的不同道路工况设定了模型中等效因子与制动能量回收平均功率数值。针对预测得到的道路工况与驾驶员意图辨识结果,分别建立了SOC门限与整车需求功率的预测控制策略并进行仿真与试验验证分析。结果表明:所搭建的控制策略相较于定点功率跟随控制策略百公里等效油耗有所降低,整车经济性得到了提高。本文的研究对于增程式混合动力汽车系统的选型开发、工况预测控制和能量管理策略开发具有一定的参考价值,对于增程式混合动力汽车的推广应用具有积极的意义。