在石油资源不断枯竭、环境污染愈发严重这一全球性背景下,纯燃油式汽车的发展受到了严重的制约,各国接连宣布燃油车禁售时间。越来越多的车企开始进行电动化布局,以混合动力汽车以及纯电动汽车作为主要的发展方向,而由于电池技术的限制,纯电动汽车的发展并不成熟。混合动力汽车拥有典型的机电耦合系统,具有发动机以及电机这两种动力源,兼顾动力性以及燃油经济性,是目前最具实际意义的研究方向。由于其动力系统结构的复杂性,整车控制策略的制定很大程度上影响到汽车的燃油经济性以及尾气排放量,本文从动力源扭矩分配方面作为出发点展开研究,主要内容如下所示。以并联插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)作为研究对象,在整车仿真软件中进行二次开发,搭建出整车动力系统的仿真模型。通过对PHEV的工作特性进行分析,确定出其主要的工作模式,采用模糊控制策略来进行两个动力源的扭矩分配。针对模糊控制器的主观性,本文组合禁忌搜索(Tabu Search,TS)与免疫粒子群算法(Immune Particle Swarm Optimization,IPSO)对模糊控制器的一些主观性参数进行优化,以油耗最低、SOC消耗最少、以及尾气排放量最小作为优化目标,最终确定出某一工况下的模糊控制器参数,实现动力系统的能量分配。在此基础上,考虑到PHEV的行驶工况类型是变化的,本文对PHEV的行驶工况类型进行总结,归纳出三种典型的工况类别,并且分别在各类工况下对模糊控制策略进行离线优化,得出最优控制器参数向量。此外,利用支持向量机(Support Vector Machine,SVM)对工况数据进行学习,训练出可实时辨别行驶工况类别的算法模型,与模糊控制策略进行结合,提出了工况自适应模糊能量管理策略。为了验证所提出能量管理策略的有效性,将此策略与基于固定门限值的电量消耗-电量保持能量管理策略进行了仿真实验对比。仿真结果验证,相比于电量消耗-电量保持能量管理策略,本文提出的工况自适应模糊能量管理策略,在减少燃油消耗以及降低污染尾气排放方面,均有显著提升。