随着全球能源和环境问题的日益突出,开发低油耗、低排放的新型汽车成为当今汽车工业发展的首要任务。在这种背景下,融合传统燃油汽车和纯电动汽车优点的混合动力汽车成为当今最具应用前景的低排放、低能耗汽车。作为一种新型的多能量源交通工具,混合动力汽车的性能与其采用的能量管理策略密切相关。在满足汽车动力性能的前提下,能量管理策略应当能够根据汽车动力系统的特性及实时的运行工况,实现在发动机、电机之间合理的转矩分配,以获得整车最大的燃油经济性能、最低的排放以及平稳的驾驶性能。混合动力汽车能量管理问题是一个涉及非线性动态优化的重要问题,该问题作为影响车辆性能和混合动力产业化进程的一个主要瓶颈,迄今为止没有得到最终解决,亟待突破。由于混合动力系统是一个集成了电气、机械、化学和热力学系统的非线性动态系统,自身及其各部件之间的协调工作极为复杂,难以建立系统的精确的数学模型;同时,车辆行驶工况和驾驶员操作具有随机性,这也增加了能量管理策略设计的难度。为此,本文针对并联式混合动力汽车主要的几种能量管理策略存在的问题,结合模糊控制技术、神经网络技术、聚类算法、多目标优化等相关知识进一步深入研究并对其进行优化和改进,主要工作如下:首先介绍了课题背景、混合动力汽车的发展现状及其关键技术,着重介绍了混合动力汽车能量管理策略的研究现状,针对能量管理策略存在的问题指出能量管理策略的优化与改进是提高混合动力汽车性能的关键。分析了并联式混合动力汽车的工作模式及其能量管理策略的控制思想,然后针对一种配置金属带式无级变速器(CVT)的并联式混合动力汽车,以发动机的效率曲线图和电池的充放电内阻曲线为主要依据,提出了一种基于动态逻辑门限方法的能量管理策略。通过设定一组可变的门限参数,基于车辆实时参数实现了混合动力系统不同工作模式的切换,并确定不同工作模式中动力系统主要部件的最佳工作曲线合理控制发动机和电机之间的转矩分配及CVT的速比,从而提高车辆性能。对传统的瞬时优化能量管理策略进行分析,确定了影响能量分配的四个主要因素,并将瞬时优化能量管理策略总结为一组四输入单输出的能量管理规则。然后利用模糊C-均值聚类对离线仿真得到的能量管理规则进行归类并作为样本训练BP神经网络,建立用于能量管理的神经网络控制器,从而提出了一种基于BP神经网络的并联式混合动力汽车实时能量管理策略。仿真实验结果说明,基于神经网络的实时能量管理策略能够有效降低燃油消耗,而且明显提高了能量管理的实时性。针对并联式混合动力汽车中应用较为广泛的模糊能量管理策略存在的一些问题作了进一步的研究,提出了一种基于粒子群优化的模糊能量管理策略。首先建立了以混合动力系统需求转矩和电池组荷电状态(SOC)为输入,发动机转矩命令为输出的模糊控制器用于混合动力系统能量分配,并对模糊化接口、数据库、规则库和清晰化接口等设计工作进行分析并给出了合理的解决方案。然后针对模糊控制器的隶属度函数和模糊控制规则的选取主要依靠专家经验,带有较大的主观性等缺陷,采用粒子群算法优化模糊控制器中的隶属度函数参数和模糊控制规则。最后通过仿真实验说明,基于粒子群优化的模糊能量管理策略与未优化的模糊能量管理策略相比,能够更有效地降低燃油消耗,并能很好地控制电池组SOC的变化。混合动力汽车的行驶工况多种多样,混合动力汽车能量管理策略应能自动的调整控制参数以适应不同的行驶工况。为此,本文提出了一种基于工况识别的模糊能量管理策略,该能量管理策略主要依靠工况识别器和模糊转矩分配控制器两部分实现。其中,工况识别器利用学习矢量量化网络结合车辆的行驶参数实现对当前工况的辨识。基于多种工况优化得到的模糊转矩分配控制器根据工况识别器对行驶工况的辨识结果选择对应的隶属度函数和控制规则,实现对混合动力系统的优化控制。仿真实验结果说明,将行驶工况识别技术融入到能量管理策略中,能够更加有效地提高能量管理策略性能。混合动力系统参数匹配是影响车辆性能的另一个关键问题,而且与能量管理策略的作用相互耦合。为此,将能量管理策略参数优化与动力系统参数匹配问题一同考虑,定义为一个多目标优化问题。以逻辑门限能量管理策略的门限参数和发动机功率、电机功率和电池数目等混合动力系统部件参数作为优化变量,将车辆的燃油消耗、尾气排放和制造成本同时作为优化目标。然后采用目标达成方法将该多目标优化问题转换为单目标问题,并以车辆动力性能指标为约束条件利用粒子群算法求解该问题。仿真实验结果说明该方法与ADVISOR优化方法相比,能够在满足汽车动力性能指标的前提下,更加有效地降低混合动力汽车的燃油消耗和尾气排放。作为混合动力汽车的一项关键技术,能量管理策略需要不断完善和发展。本文结合相关知识从五个方面对并联式混合动力汽车的能量管理策略作了进一步的优化和改进,并通过仿真实验验证了各种改进策略的有效性。其研究成果对于提高我国混合动力汽车的研究开发水平和促进混合动力汽车产业化进程具有重要意义。