随着经济的快速发展，人们消耗的能源也越来越多，世界面临着日益严峻的能源安全、环境保护和气候变化的巨大挑战，这些问题在我国表现得的尤其严重。混合动力汽车既具有传统汽车续驶里程长的优点，又具有电动汽车噪音低、排放性好的优点，是当前最具推广前景的电动汽车。大力发展混合动力汽车，被认为是解决上述问题的有效途径。混合动力汽车的能量管理策略是混合动力汽车的关键技术之一，对燃油经济性的提高有着决定性的作用。本文以串联式混合动力汽车的能量管理策略为研究对象，把基于极小值原理的全局优化算法应用到能量管理策略当中，并与基于LVQ（学习向量量化，Learning Vector Quantization）神经网络的工况识别技术相结合，设计出了接近全局最优的能量管理策略。本文的主要研究内容如下：首先，以ADVISOR中的串联混合动力汽车模型为原型，根据计算重新选择了动力系统的主要元件。利用仿真软件中的发动机和发电机静态试验数据，建立了发电机组的最优工作曲线模型。利用镍氢电池的充放电曲线，建立了镍氢电池的电路模型。其次，根据串联混合动力汽车的简化的动力总成模型和发电机组、电池模型，结合约束条件，建立了能量管理策略的优化数学模型。以最小燃油消耗为优化目标，采用全局最优的PMP（Pontryagin’s minimum principle）算法对多个给定的典型工况进行计算，得到了需求功率在发电机组和电池之间的分配结果、电池SOC变化曲线以及末端与始端的SOC之差与协态参数的关系曲线。第三，受小波变换与模糊控制在燃料电池混合动力汽车能量管理上应用的启发，本文还研究了基于小波模糊控制的能量管理策略在串联混合动力汽车上的应用，并给出了仿真结果。最后，通过提取典工况的特征参数作为样本数据，并用于LVQ神经网络的训练，得到了基于LVQ神经网络的工况识别器。再与PMP算法得到的典型工况的协态参数相结合，得到了具有实时性的基于LVQ工况识别的能量管理策略。仿真结果表明，与PMP算法非常接近，并给出了部分工况的仿真结果。