合理地制定能量管理策略能极大程度优化整车经济性和排放性能,而现有的能量管理策略未能考虑实际行驶工况对控制策略效果的影响,所以本文从瞬时优化的能量管理策略出发对能量管理策略的工况适应性进行研究,以期改善整车的燃油经济性。首先,以某插电式混合动力汽车动力系统的参数为参考,基于ADVISOR软件平台建立了整车各部件的模型,并在原有的双轴式并联混合动力系统结构的基础上进行了动力系统的再开发,从而建立了本文的插电式混合动力汽车整车模型,以此作为进一步研究的仿真平台。其次,选取了19种典型工况,利用聚类分析方法获得了5类工况;从这5类工况中挑选了具有代表性的5种工况作为标准工况;再以5种标准工况为基础,采用BP神经网络算法实现了工况类型的识别;另外,针对BP神经网络的权值和阈值初始随机化所导致的训练结果收敛性较差的问题,提出采用PSO算法对神经网络的初始权阈值进行预处理,最终实现了对BP神经网络识别效果的优化。然后,以燃油消耗最小理论为基础,制定了插电式混合动力汽车的能量管理策略。而针对其中的等效燃油因子的实时变化问题,本文以电池电量均衡为约束条件,利用DP算法求解出了各个标准工况下的最优的电池SOC序列;并以此最优的SOC序列为参考轨迹,通过整车控制策略的仿真获得了五种标准工况的等效燃油因子序列;在车辆实际行驶过程中,通过工况识别模型的实时识别,即时求解相应的等效燃油因子,从而实现了能量管理策略的实时应用。最后,综合对比分析了基于规则的电机助力型能量管理策略、未考虑工况识别的等效燃油消耗最小能量管理策略以及基于工况识别的自适应等效油耗最小能量管理策略的仿真结果,从燃油经济性提升、综合的电池电量平衡能力以及对工况的适应能力几个方面,分别验证了本文所建立的基于工况识别的自适应等效油耗最小策略的优势。