目前,电动汽车的驱动系统通常使用PID算法进行控制。电动车的驱动系统是非线性系统,其控制难度较大。采用PID控制算法,其控制效果并不理想。出现的主要问题表现为动态响应慢,稳态误差较大,抗干扰能力差、动力电机转矩脉动大。这些问题直接降低了电动汽车的使用舒适度;另外,传统PID控制过程中能耗较高,间接缩短了其续驶里程。新能源场地电动车的应用场合路况复杂,而且负载多变。为了应对电动车的这种复杂工况,采用遗传和BP算法优化与混合算法(IGA-IBP),并以该算法为基础设计PID控制器,该控制器具备参数自学习能力。将该控制器应用于场地电动车的驱动控制系统,相较于基于遗传优化BP神经网络(GA-BP)算法的PID控制器,场地电动车的抗干扰能力,速度动作响应,行驶过程中的噪音,电机转矩脉动等方面均有明显改善,而且在场地电动车的起动过程中降低了能耗,使场地电动车的续使里程更长。本文首先针对BP神经网络算法的误差函数下降缓慢,容易陷入局部极值问题,利用优化附加动量改进算法和优化自适应学习速率调整法进行改进;然后,针对遗传算法的交叉率和变异率的取值问题进行改进;最后,利用蚁群算法信息素的累积和更新,使得改进后的遗传BP神经元网络算法收敛于最优路径,得到IGA-IBP算法。IGA-IBP算法参数设计容易,适应性强,具有一定的理论意义和工程应用价值。