燃料电池汽车（Fuel Cell Hybrid Vehicle,FCHV）凭借环保、高效、低噪声等特点,得到国家的大力支持和推广。但FCHV应用于城市公交时面临着客流量多变、交通拥堵、频繁启停等复杂工况,导致其经济性和耐久性较差。因此,本文通过解析工况特征,分析工况聚类方法,结合强化学习的寻优能力,提出可在线应用于燃料电池公交客车的融合工况特征的强化学习能量管理策略（Energy Management Strategy,EMS）,主要研究内容如下:首先,建立FCHV纵向动力学模型,并实施基于规则和动态规划（Dynamic Programming,DP）的EMS作为能量管理参考模型。同时,设计了考虑蓄电池SOC、等效氢气消耗量、燃料电池功率变化率的多目标离散型强化学习（Qlearning、Sarsa）EMS,仿真表明该策略在中国城市公交工况（Chine City Bus Cycle,CCBC）工况下燃料电池高效区间占比达83.2%,氢气消耗量相比较于规则策略降低了5.56%。其次,收集整理22种适用于公交客车的驾驶工况并计算28个特征参数,同时,结合特征参数分析驾驶工况对汽车驾驶性能的影响,采用主成分分析和k值聚类,将驾驶工况聚类为经济型、动力型和耐久型工况。此外,设计基于BP神经网络的工况识别器,以24676个短工况为数据库,选择96%的数据进行训练,4%的数据用于测试,工况识别准确率达93.2%。进一步考虑到剩余里程对EMS优化设计的影响,通过GPS/GIS实时获取车辆位置并计算工况的剩余里程。然后,分析了离散型强化学习对高维度状态进行精细化描述的局限性,设计基于Deep Q-learning（DQL）、Double DQL（DDQL）的状态连续型强化学习EMS,采用深度神经网络对价值函数进行拟合逼近,实现离散Q值表格的状态连续化。考虑到DQL、DDQL等算法的离散输出动作设计受主观因素影响大,提出基于深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）的EMS,相比较于DQL、DDQL算法,DDPG可实现状态-动作连续化,提升策略灵活性。最后,结合工况类别和剩余里程提出融合工况特征的强化学习EMS,并应用于未训练工况。仿真表明,在3×WVUCITY工况下,融合工况特征的强化学习EMS经济性高达DP的94.8%,动力性和耐久性也得到提升。为验证强化学习EMS在硬件中进行在线应用的可行性,设计了基于DSP的硬件在环实验,实验结果表明,强化学习EMS在训练工况和陌生工况下均表现出良好适应性。