增程式电动汽车的动力系统结构类似于传统串联混合动力汽车,但其容量更大的电池组是汽车的主要动力来源,几乎可以满足车主在日常城市中的上下班需求,其搭载的增程器(包括发动机和发电机)是汽车的辅助动力系统,便于车主长途行驶。相比于纯电动汽车,增程式电动汽车也可以实现一定里程的电动行驶,而且由于发动机的存在,可以解决超大容量电池成本高昂的问题、消除驾驶者对行驶里程的顾虑,是缓解资源短缺和环境污染的一种优良车型。本文针对增程式电动汽车的能量管理策略进行研究,提出多逻辑门限能量管理策略并利用优化算法完成改进,同时进行仿真验证,最后搭建了基于神经网络的能量管理策略。本文主要内容如下：(1)根据增程式电动汽车的结构特点,对关键部件(电机、电池组、增程器)进行部件选型和参数匹配。(2)分析研究当前能量管理策略的现状,结合传统混合动力汽车的控制策略,提出多逻辑门限能量管理策略,利用粒子群算法优化能量管理策略的门限值和发动机定点工作值,对能量管理策略进行改进完善。(3)建立动力部件数学模型、组建整车模型,进行离线仿真,验证能量管理策略的有效性、合理性。(4)基于D2P快速原型开发系统,搭建整车实时仿真平台,通过线束连接,利用ECU控制器和踏板操作机构对能量管理策略的实时性进行验证,检测能量管理策略的实际控制效果。(5)考虑到实际驾车过程中工况的随意性,借鉴粒子群算法对能量管理策略的优化经验,提取具有代表性的训练数据,利用人工神经网络建立一种能适应各种工况的时能量管理策略,避免特定工况的限制,实现对汽车更好的控制。经过研究,验证了本文能量管理策略是合理的、有效的,具有一定的理论意义和实用价值,可为增程式电动汽车能量管理策略的更深层次的研究、设计提供理论依据和相关指导。