在全球能源短缺和环境污染日益严峻的背景下,新能源汽车领域关键技术不断发展,大力推进插电式混合动力汽车的发展是通往全面普及纯电动汽车的必由之路。插电式混合动力系统是一种非线性、多变量且时变的复杂系统,由于其特殊的能量分配结构,对发动机、电机等动力源的控制与传统混合动力系统相比更为复杂,能量管理策略作为混合动力系统的关键技术之一,如何在满足车辆行驶需求和驾驶员动力需求的前提下对各动力源进行优化控制,实现各动力源高效合理地工作,进一步挖掘其节能潜力从而提高整车的燃油经济性是当前插电式混合动力系统研究的关键,同时也是新能源汽车产业发展的迫切需求。本文以双电机同轴混联插电式混合动力公交车为研究对象,开展了行驶工况构建方法、混合动力系统建模、未来工况预测方法、预测能量管理策略、智能能量管理策略以及硬件在环试验研究,完成了插电式混合动力车辆系统建模,仿真分析,能量管理策略验证的工作流程。本文依托国家重点研发计划“插电/增程式混合动力系统动态建模优化与动态控制方法”项目,主要研究内容包括以下六个方面:1)插电式混合动力公交车行驶工况构建。选定某城市具有代表性的公交线路,对其线路特征进行分析并完成车辆原始行驶工况数据的采集工作,采用小波变换方法对原始数据进行滤波降噪处理,然后将原始行驶工况数据划分为独立的短行程片段,选取可充分体现行驶工况数据特点的特征参数,筛选前四个主成分并采用自组织映射神经网络算法对所有的短行程工况样本根据特征参数的相似程度进行聚类分析,得出聚类结果后将其组合得到所构建的某公交线路行驶工况,并通过与原始工况数据特征参数的对比验证所构建工况的合理性。2)整车纵向动力学建模与能量管理策略构建。首先对双电机同轴混联插电式混合动力公交车的构型特点以及不同工作模式下的能量流展开了详细分析,并在仿真环境Matlab/Simulink下按照正向建模的思路建立了包含发动机、驱动电机和ISG电机以及动力电池组的插电式混合动力系统整车纵向动力学模型,同时基于所构建的行驶工况,建立了在工程实际上常用的基于规则的能量管理策略以及可保证全局最优的基于动态规划的能量管理策略模型,对两种基准策略进行合理性验证,并为后续能量管理策略的研究进一步提供了参考评价标准。3)建立基于数据驱动预测方法的车辆未来行驶车速预测模型。首先建立基于马尔可夫链的车速预测模型,采用贝叶斯估计求解初始转移概率矩阵,并基于所构建的循环工况,针对不同预测时域对车速进行多次预测,然后结合驾驶意图序列和历史车速序列建立基于RBF神经网络车速预测模型,在对所构建神经网络进行合理性验证的基础上对未来车速进行预测,对比分析了RBF神经网络预测模型和马尔可夫链预测模型在预测精度方面的差异,并验证了引入驾驶意图序列在RBF神经网络车速预测模型中的有效性。4)提出了一种分层预测能量管理策略。将庞特里亚金最小化原理与模型预测控制相结合,提出了基于PMP-MPC的插电式混合动力系统分层预测能量管理策略,上层控制器主要接收车速预测模型所预测的未来车速序列,并根据车辆状态采用PMP算法求解预测时域内的最优控制序列,下层控制器根据上层控制器的计算结果最终将控制指令输出给整车模型。并对基于PMP-MPC的能量管理策略进行仿真试验,分析了预测时域对控制效果的影响,并将PMP-MPC策略与结合动态规划算法和模型预测控制的DP-MPC能量管理策略进行对比分析,验证了PMP-MPC策略在燃油经济性和计算效率方面的优势。5)提出了基于深度强化学习的智能能量管理策略。结合深度学习的结构和强化学习的思想,探索了一种基于深度强化学习的插电式混合动力系统能量管理策略架构,基于双深度Q网络和深度确定性策略梯度两种深度强化学习算法分别开发了对应的能量管理策略,并对两种策略进行了仿真试验。与本文所提出的PMP-MPC能量管理策略进行对比分析,结果表明在随机行驶工况下基于深度强化学习的智能能量管理策略更具适应环境变化这种不确定性的能力,所受到环境的随机变化对整车经济性的影响较小,为插电式混合动力系统在随机行驶环境下的鲁棒性问题提供了新的思路和解决方案。6)对预测能量管理策略和智能能量管理策略进行硬件在环仿真试验。通过搭建硬件在环试验平台,将本文所提出的两种类型能量管理策略分别下载到真实控制器中,在实时仿真环境下对能量管理策略的控制效果进行了验证,由硬件在环试验结果表明所提出的两种类型能量管理策略均具有较好的实时性,且取得了良好的控制效果。