由于交通科学技术的快速发展以及能源十分紧缺的社会现状,人们对出行代步工具在燃油经济性和舒适度方面的要求越来越高。传统的燃料汽车已不再是新型交通工具的主流,正逐渐被应运而生的各种新能源混合动力汽车替代。插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)由于存在一个外部电源从而能够进行外部充电,使得汽车具有更长的续航里程而备受关注。近些年来,学术界对插电混合动力汽车能量管理控制策略进行了深入的研究,但在其理论设计与实际应用之间仍存在着挑战问题。本论文以插电通勤混合动力汽车为研究对象,针对实际驾驶工况中实时变化的复杂交通信息,研究了两种具有实际适用性的能量管理策略,主要研究内容如下:基于粒子群优化(Particle Swarm Optimization,PSO)的智能逻辑规则能量管理策略设计:首先针对固定驾驶工况,以电池的荷电状态(Stare of Charge,SOC)和发动机运行高效区间为不同工作模式的切换标志量,采用PSO算法以提高整车燃油经济性为目标对不确定的阈值参数进行优化,设计了基于PSO的逻辑规则能量管理策略。然后考虑实际中速度和加速度等交通信息的实时变化,应用大量历史交通信息到优化算法中,提出了改进的智能逻辑规则能量管理控制策略,不仅保证了燃油经济性平均意义上的提高,而且提高了控制策略对不同工况的适应性。自适应神经网络模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)和自适应等价消耗最小策略(Equivalent Consumption Minimization Strategy,ECMS)集成的最优能量管理策略设计:主要包括两级离散优化设计及在线集成实现,首先利用当前交通信息和一些历史交通数据,通过ANFIS离线训练得到一个训练好的模糊推理系统(Fuzzy Inference System,FIS),以便在线应用时可以预测出适应于各种工况的接近最优的参考SOC曲线;然后根据从历史交通车速信息数据中获取的交通拥堵情况将通勤行驶路径分段,使用PSO算法对ECMS中的等价因子控制参数和等价因子初始值在每个路段内进行离线优化,建立自适应ECMS的控制器参数优化MAP图;最后集成训练好的FIS和具有优化MAP的A-ECMS作为在线FIS-A-ECMS能量管理控制系统,可根据实际交通信息实时调整瞬时优化燃油消耗中的等价因子以保证实际运行中的燃油消耗最优及对所有驾驶工况的适应性。为了充分验证本文所提出几种控制策略的有效性以及对不同驾驶工况的适应性,采用了基于MATLAB/Simulink和GT-SUITE搭建的联合仿真平台进行仿真实验验证,并且将仿真实验结果与其他几种能量管理策略进行对比分析。