随着人们对新型汽车的渴望,混合动力汽车已经得到了广泛的发展。混合动力汽车低油耗、低排放、并且不受里程限制的优点已经被普遍接受。在很大的程度上来说,混合动力汽车的性能决定于控制策略。本文所研究的控制策略是建立在一种双模式机电复合传动系统的基础上,属于混联式混合动力汽车,针对从工况识别及预测到控制策略的制定以及后续的仿真实验展开研究,对所研究的机电复合传动系统动力性能和燃油经济性具有很重要的意义。本文以混合动力汽车为研究对象,围绕能量管理控制策略进行展开,对基于工况识别和工况预测的混合动力汽车能量管理控制策略进行了深入的理论研究,分别设计了基于工况识别和预测的能量管理控制策略。基于工况识别的控制策略首先在离线的情况下对各类典型工况进行优化,将能量管理优化结果以控制参数表格形式进行储存,然后通过识别当前行驶工况的类别,控制系统选择与当前工况所述类别最为相近的典型工况的控制参数,作为本段控制执行时间内的控制策略;基于工况预测的混合动力汽车能量管理策略通过分析历史工况,预测未来工况信息,对控制量在预测区域内进行优化,得到最优控制命令,随着工况预测和优化算法滚动执行,可实现全工况的预测控制,增强混合动力汽车的低油耗、低排放的性能。在模式识别的理论基础之上,研究影响工况识别算法的各项因素,针对特征参数的提取及各个参数对识别结果的影响展开研究,既保证识别结果的准确性,又要减小识别算法的计算负担。另一方面,基于神经网络理论,将成熟的神经网络理论应用于工况预测中,提出并建立一种基于BP神经网络的波形训练预测算法。在预测结果的基础上建立基于优化的控制策略,在保证电池寿命的同时降低车辆的燃油消耗。为了验证本文所建立的基于工况识别和工况预测的混合动力车辆能量管理控制策略的有效性,搭建了机电复合传动小功率试验台架,并在小功率试验台架上对本文建立的控制策略进行验证,实验结果表明本文建立的基于工况识别和工况预测的混合动力车辆能量管理控制策略可以实现对机电复合传动系统的控制,并在燃油经济性上较其他控制策略有一定的提升。