一直以来,工程车辆在基础建设、工业生产以及矿山开采等领域扮演着重要角色。然而在节能降耗的大趋势下,工程车辆作为高能耗、高排放装备,其发展正处于技术升级革新的关键阶段。目前,混合动力技术作为实现节能减排的有效方案,已在汽车领域实现应用并趋于成熟,而能量管理则是直接决定混合动力系统性能表现的关键技术。因此开展混合动力工程车辆的能量管理方法研究对促进混合动力工程车辆的发展具有重要的现实意义。本文在综述国内外混合动力工程车辆发展及混合动力能量管理研究成果的基础上,分析并阐述了混合动力工程车辆能量管理技术的发展趋势及技术难点,提出了混合动力工程车辆智能化能量管理方法的研究方案。主要研究内容包括:（1）混合动力工程车辆的系统特征分析、平台测试与能量管理系统建模。本文从能量管理研究角度出发,分别从工况、构型以及能量流三方面分析并阐述了混合动力工程车辆的特点,在此基础上搭建了混合动力工程车辆能量管理测试平台并且设计了实验方案以获取高还原度的系统负载样本。另一方面,在对混合动力工程车辆能量管理基本架构的分析基础上,对测试平台的能量管理系统进行建模,并对仿真模型进行了验证。上述工作为进一步开展能量管理方法的研究提供了条件。（2）无模型学习方法在混合动力工程车辆能量管理问题中的应用研究。混合动力工程车辆结构特殊、系统复杂且工况多变,由于传统的能量管理方法对负载及作业环境的变化缺乏自适应调整能力,其性能表现往往低于预期。对此,本文将混合动力工程车辆能量管理问题转化为马尔科夫决策过程并引入强化学习思想对最优能量管理策略进行迭代求解,进而提出了一种基于Q学习的能量管理方法。仿真结果表明,基于Q学习的学习型能量管理方法能够对混合动力工程车辆的工况特征实现策略的自学习并最终收敛,且相较传统能量管理方法具有更好的最优性。该方法的提出作为一次能量管理智能化尝试,为接下来的深入研究打下了基础。（3）基于模型的学习方法在能量管理问题中的应用与分析。以Q学习为代表的无模型方法虽然可以通过高频率的交互行为来适应环境的变化,但该过程的样本效率较低。而在实际应用中,这一缺陷则会导致学习收敛较慢且学习成本的较高。针对这一问题,本文利用工程车辆工作循环的短时周期性重复特点,提出了一种基于DynaQ学习的混合动力工程车辆智能能量管理方法。经验证,该方法不但对能量辅助系统的极端初值状态具有良好收敛性,且对于同类工况间的差异具有较好的适应性。相较于基于Q学习的无模型学习方法,基于Dyna-Q学习的能量管理方法不但表现出了更好的实时性及最优性,而且对能量辅助系统表现出了明显的友好性。（4）面向混合动力工程车辆的智能能量管理方法的通用化研究。在前文所开展研究的基础上对所提出的智能能量管理方法的通用化进行了深入研究。本文针对方法通用化的改进包括三部分:通过引入趋势项对奖励函数进行改进,以提升策略的长期稳定性;设计了一种值函数逼近器,以避免维数灾难的发生并增强值函数表达的泛用性;提出了一种基于高斯混合模型的混合动力工程车辆环境模型,以提升基于模型方法的可重用性。在上述改进的基础上,提出了基于模型学习的混合动力工程车辆智能能量管理通用化框架。经验证,与原基于模型的能量管理方法相比,本文所提出的通用化框架的长期稳定性、工况适应性、通用性及经济性都得到了进一步改善。