在全球碳中和的背景下,氢能作为清洁能源被世界各国广泛关注。燃料电池是氢能利用的重要载体,近年来,燃料电池汽车的迅猛发展加速了汽车产业迈向新四化的进程。燃料电池混合动力汽车既保证了排放的清洁性,又保证了较长的续航里程,可以充分发挥燃料电池的优势,实现了对氢能的高效利用。本文针对燃料电池混合动力汽车的基本构型进行分析,结合燃料电池汽车的使用场景,确定了混合动力系统为燃料电池-动力电池结构。根据选定的燃料电池动力汽车构型,基于某纯电公交车的基本参数,对燃料电池汽车动力系统的关键零部件进行了选型匹配。在完成了燃料电池汽车构型的选定与动力系统的选型匹配后,本文通过AVL Cruise M软件对燃料电池混合动力汽车进行了整车建模。利用搭建的整车模型,结合燃料电池汽车的各项性能指标要求进行了计算任务设置,仿真结果均达到了设计目标,验证了动力系统匹配的合理性。为了探究能量管理策略对整车经济性的影响,本文在Matlab/Simulink平台中分别搭建了基于多点控制和基于功率跟随的两种能量管理策略,使用整车联合仿真平台对两种能量管理策略进行了仿真分析。仿真结果表明在功率跟随策略下,整车的等效氢气消耗量较多点控制策略有所降低。在功率跟随策略下,燃料电池可以根据整车状态,在部分工况跟随整车需求功率,使动力电池SOC可以稳定在设定的期望值附近。功率跟随策略相较于多点控制策略,在双能量源输出功率的分配上更加合理,动力电池SOC更为稳定,提升了动力系统的工作稳定性,降低了整车的能量消耗。为了进一步优化双能量源的输出功率分配方式,提升整车经济性,本文基于模糊控制理论,设计了基于模糊控制的能量管理策略。与功率跟随策略的仿真结果相比,在模糊控制策略的调节下,动力电池SOC更加稳定,燃料电池的负荷有所降低,整车的经济性有了较大幅度的提高。由于在模糊控制策略设计过程中,模糊控制参数的制定具有很大的主观性,所以需要对模糊控制中的隶属度函数进行优化分析。本文分别运用遗传算法与模式搜索算法对模糊控制参数进行优化,仿真结果表明通过算法优化后,整车经济性有了进一步提高,但两种算法的优化效果差距很小。将两种算法的寻优过程进行对比分析,遗传算法具有收敛速度快,迭代步骤少等优点,说明了在本文燃料电池汽车常用工况下,遗传算法对模糊控制参数的寻优效率更高,同时可以保证优化效果,相较于模式搜索法,遗传算法更适合对模糊控制策略进行优化。