随着工业4.0时代的到来,资源短缺和环境污染问题日益受到人们的关注。传统内燃机汽车对石油的消耗巨大,汽车的尾气排放已经成为空气污染的重要来源。许多国家都在大力提倡发展新能源汽车和相关的基础设施建设,这样不仅可以减少对石油的依赖,也可以大大减少城市的污染,是汽车发展的大势所趋。虽然纯电动汽车无排放、零污染的优点,但是由于动力电池的能量密度问题,纯电动汽车的发展受到限制。增程式电动汽车是新能源汽车的一种车型,它可以解决纯电动汽车的续驶里程相对较短的问题,并且结构简单,节油性高,因此受到了广泛研究。本文在Cruise软件中搭建了增程式电动汽车的整车模型,并开发了控制策略,仿真验证了策略的合理性。基于驾驶员采集的出行数据进行特征分析,提取出驾驶员的代表性工况,并基于出行工况对控制策略的控制参数进行优化,提高了节油效果的同时还降低了排放。主要研究内容如下:使用GPS设备获取测试人员的出行数据,对数据中不合理的片段进行预处理,采用小波降噪对预处理后的出行工况数据进行降噪。对工况数据进行运动学片段划分并提取特征参数,与国外标准工况和中国工况进行对比分析,验证了采集工况的合理性。对提取的特征参数进行相关性分析,去除掉一些相关性较大的特征参数。使用主成分分析方法对特征参数进行降维,然后使用ISODATA算法对工况片段样本进行聚类,得出了几类典型工况。根据主成分分析的结来选择特征参数作为工况识别的参数,使用极限学习机对工况进行识别,获得了较好的识别效果。对增程式电动汽车的工作模式进行了分析,在Cruise软件中搭建了增程式电动汽车的仿真模型,仿真结果满足技术要求。开发了恒温器式、功率跟随式和多工作点式三种整车控制策略并分析了三种策略的特点,验证了策略的合理性。从发动机和动力电池的工作状态、动力性、经济性和排放性等方面对三种策略的仿真结果进行了对比分析。最后搭建了基于出行特征的多工作点控制策略,针对每一类典型工况,以等效燃油消耗和排放量最小为目标函数,动力性为约束,使用自适应模拟退火的算法对控制参数和发动机工作点进行了优化。使用这些优化的控制参数搭开发了基于工况识别的控制策略,与无工况识别的多工作点控制策略相比,整车的经济性和排放性都有较大的提升。