随着能源危机和交通拥挤问题日益加剧,以新能源汽车为智能化技术的应用载体,构建面向新能源汽车与智能驾驶技术融合的“智能电动汽车”成为汽车工业发展趋势。增程式电动汽车（Extended Range Electric Vehicle,EREV）作为新能源汽车之一,具有节能环保、无续驶里程焦虑等优点,自适应巡航控制（Adaptive Cruise Control,ACC）系统作为辅助驾驶系统的重要组成部分,有效减轻了驾驶负担,提高道路使用率。因此,针对增程式电动汽车ACC系统的研究,符合新能源汽车智能化的国家战略,同时,将驾驶行为因素融入到ACC系统设计中,满足不同类型驾驶员的驾驶需求,并对EREV自适应巡航过程中的经济性进行优化。为此,本文从如下4个方面开展研究。（1）EREV动力系统模型与能量管理策略。根据EREV整车参数和性能指标,对汽车动力系统的主要动力部件进行选型、参数匹配及建模,包括驱动电机、动力电池、增程器,制定基于规则的整车能量管理策略,划分纯电动和增程两种工作模式,基于MATLAB/Simulink/Stateflow搭建EREV仿真模型,通过城市道路行驶工况（Urban Dynamometer Driving Schedule,UDDS）仿真验证模型及控制策略的正确性。（2）驾驶行为数据采集分析与辨识。基于MATLAB/Simulink、Pre Scan与驾驶模拟器搭建虚拟驾驶平台,采集驾驶员实际驾驶数据,提取车头时距、最大碰撞时间倒数和纵向加速度绝对值的平均值作为反映驾驶行为类型的特征参数,通过K均值（Kmeans）聚类算法划分保守型、一般型、激进型三种驾驶行为类型,采用前馈（Back Propagation,BP）神经网络算法搭建驾驶行为类型在线辨识模块,并完成辨识有效性的验证。（3）考虑驾驶行为的自适应巡航控制策略研究。对ACC系统进行感知层、决策层和执行层的分层式架构设计,根据K-means聚类算法得出的不同驾驶行为类型的车头时距聚类中心以及采集得到的停车距离数据,制定了适合不同类型驾驶员的固定车间时距安全距离模型,结合安全性、经济性和舒适性指标,制定基于PID的定速巡航模式和模型预测控制（Model Predictive Control,MPC）算法的跟车模式,同时,对不同类型驾驶员设定了差异化的MPC控制参数约束,采用PI控制将PID和MPC算法得出的期望加速度转化为执行层所能识别的驱动或制动踏板信号。（4）增程式电动汽车ACC系统仿真验证与经济性巡航优化。针对增程器制定了基于增程器最优工作点的单点恒温控制策略和最低燃油消耗曲线的功率跟随控制策略,在五种典型工况下,对基于MATLAB/Simulink/Stateflow与Pre Scan联合仿真平台完成搭建的考虑驾驶行为的EREV自适应巡航控制系统模型进行仿真分析,为进一步优化EREV巡航过程中的经济性,通过对定速和跟车模式下的单模式增程器控制策略仿真对比分析,结合在不同巡航工况下需求功率不同的特点,提出了增程器双模式切换控制策略,同时在考虑油耗和电池寿命的情况下,通过组合巡航工况进行了3种增程器控制策略的经济性研究。研究结果表明,制定的基于驾驶行为的EREV自适应巡航控制策略符合不同类型驾驶员的驾驶需求,保证了行驶安全性和舒适性,不同类型驾驶员在油耗表现上略有差异,保守型较低,激进型最高,所提出的双模式切换控制策略相比于单模式控制,最高可实现整车驱动成本11.90%的降低。