新能源汽车作为全球汽车工业技术转型的发展方向近年来得到高速发展,但受制于目前动力电池技术性能、成本与寿命等尚未取得革命性突破,纯电动车产品续驶里程焦虑、成本高、充电时间长、环境适应性差等问题一直没有很好解决。而增程式电动汽车作为一种能够延长续驶里程、成本较低的新能源汽车,目前广受业界关注。尤其是随着近年来国内物流行业的快速发展,增程式电动物流车由于其结构相对简单、综合成本较低、可大幅增加整车续驶里程从而避免用户产生里程焦虑等优点成为城市环境广受市场青睐并具有较大发展潜力的新能源汽车产品。增程式电动汽车存在多种能量源,其能量管理策略对整车能耗与经济性、动力性等关键技术指标具有重要影响,因此提出和制定科学合理的能量管理策略是增程式电动汽车开发过程中的关键问题。本文依托某产学研合作项目,围绕某型增程式电动物流车产品开发与产业化推广需求,在满足车辆动力性、续驶里程等主要技术指标基础上,结合产品特定使用和运行工况,以其单位行驶周期内能量综合利用效率提升和能耗最小为目标,重点对整车能量管理控制策略和性能优化方法开展研究工作。制定了一种面向单位行驶周期燃油经济性优化的能量管理模糊控制策略,提出了基于BP人工神经网络对能量管理策略燃油经济性表现的快速寻优控制算法。仿真结果表明,论文所制定的新型模糊控制策略与基于确定规则的能量管理策略相比,在单位行驶周期内可显著提升整车能量利用效率。论文具体研究内容如下:1.依据目标车型纯电续驶里程等设计指标,对某增程式电动物流车动力系统关键总成与部件进行了选型与参数匹配。使用AVL公司的CRUISE平台对整车进行建模并验证了参数匹配结果。基于MATLAB\Simulink平台搭建了增程器等子系统控制策略模型,完成了整车仿真技术平台开发。2.针对行业广泛采用的增程式电动车能量管理策略进行了分析,结合研究对象车辆特点提出能量管理策略开发要求,制定了一种基于单位行驶周期等效燃油消耗量最小的模糊控制能量管理策略,根据增程式电动物流车单日使用需求与规律行驶工况,在控制策略中引入车辆预期行驶里程,保证车辆在单个行驶周期结束内电池电量能够充分合理利用,同时减少或消除行驶周期内运转低效的电量保持阶段。在Simulink环境下完成控制策略建模、编译,在CRUISE平台结合整车模型与控制策略进行联合仿真。仿真结果表明,车辆电池SOC值变化符合预期规划曲线,燃油经济性提高约5%。3.基于模糊控制策略性能特点及其对于经验数值的依赖性,为降低优化策略所需经验数据要求并进一步提高车辆经济性,应用智能化技术对控制算法进行优化,提出了一种基于BP人工神经网络对其管理策略进行快速寻优的方法。设计了神经网络算法结构,通过优选的车辆仿真数据集对神经网络进行训练,搭建了基于BP神经网络的能量管理策略模型。仿真分析和对比结果表明,该优化算法在满足控制算法快速寻优要求的同时,整车燃油经济性提高约1.3%。本文研究内容可以为增程式电动汽车能量管理策略研究提供借鉴,论文研究成果对于加快增程式电动车工程化技术应用、促进整车性能提升具有参考价值。