混合动力城市公交车辆再次发展至今二十年以来，随着各大厂商混合动力电动车辆的产品的推出，混合动力车型逐步走向成熟。而混合动力研究方面在动力总成匹配，控制策略，再生制动策略等方面也取得了蓬勃的发展。在学术研究方面：瞬时优化，全局优化等算法已经运用到混合动力控制策略中。而在成熟应用的控制策略中，基于门限值的控制算法应用广泛。在本课题项目中，通过对混合动力城市公交客车的工况采集，对车辆的工作情况进行分析。分析结果表明：混合动力车辆在城市公交工况下，发动机工作点在经济区域比例较小，电机工作点分散，且效率低，电池SOC无法维持在较高水平。由并联式混合动力城市公交客车的研究成果可知，整车经济性和控制策略和运行工况密切相关。因此，本文的主要思路是针对逻辑门限值控制策略进行控制参数匹配研究，并利用工况自适应算法，改进逻辑门限制控制策略适应性不强的弱点。本文研究内容主要包括：一、利用仿真试验方式，首先利用AVLCRUISE软件搭建整车模型，利用MATLAB/Simulink搭建控制策略模型，利用Interface模块联系两软件，构成混合动力城市公交客车正向仿真平台。二、通过某城市公交实际运行工况采集，得到最新的城市公交实际工况数据，包括车速，发动机怠速时间，发动机功率等。通过乘客人数分类为轻载，中载，重载，并在每一种工况中挑选一条作为典型工况作为仿真试验用工况。经过仿真验证，得到控制策略中四个对车辆经济性有显著影响的控制参数，分别为：发动机经济区域上限，发动机经济区域下限1和下限2（分别对应不同SOC状况），电机各档位助力比例。针对这些控制参数利用遗传算法进行寻优求解，达到优化车辆经济性的目的。具体方法为：首先根据轻载工况对控制参数与经济性相关性进行分析；根据分析结果，决定对四个控制参数使用分步匹配方法。即，针对一种典型实际工况，通过遗传算法，利用整车仿真平台对车辆控制参数进行逐一优化。遗传算法中适应度函数的选择根据不同工况，不同控制参数有所不同，但都以车辆经济性为主要目标；以车辆电池SOC和车辆动力性为惩罚函数。匹配结束后可以得到每一种典型工况下，关于发动机，电机的四个控制参数的重新匹配值。匹配后的控制参数使得每种典型工况中整车经济性均有所提高。三、利用工况自适应算法提高门限值控制策略的适应性。通过神经网络仿真模型对仿真平台的运行工况进行识别。神经网络具体形式为：利用实际采集工况数据作为训练数据，搭建神经网络模型，并对模型进行训练，输出当前工况所属的典型工况代号。工况代号分别对应文中挑选的典型实际运行工况。针对神经网络输出代号，利用相应典型工况下的优化控制参数对车辆进行控制，以达到自适应控制的目的。最后利用原仿真模型，单一工况匹配后模型和自适应模型分别对三种典型实际工况进行对比仿真，对发动机，电机工作情况进行对比分析；并对测试工况进行对比仿真。单一工况重新匹配后模型较原型有较明显的经济性优势，自适应模型较单一工况优化模型经济性有所提高。