摘要: 增程式电动汽车具有构型简单、燃油经济性高和续航里程远等优点，成为新能源汽车重要研究方向之一。能量管理策略在一定程度上决定了增程式电动汽车的经济性、排放性及动力性。本文以增程式电动汽车为研究对象，围绕动力源之间的能量分配、工况自适应... 展开 增程式电动汽车具有构型简单、燃油经济性高和续航里程远等优点，成为新能源汽车重要研究方向之一。能量管理策略在一定程度上决定了增程式电动汽车的经济性、排放性及动力性。本文以增程式电动汽车为研究对象，围绕动力源之间的能量分配、工况自适应性和增程器的轴系扭振，开展了基于工况识别的增程式电动汽车能量管理策略多目标优化研究，主要内容如下： （1）建立增程器轴系8自由度集中质量扭振模型，计算并构建增程器输出轴的扭振MAP图。基于Matlab/Simlink软件建立了考虑扭振和能耗的增程式电动汽车整车仿真模型，模型包括整车动力模型、驱动电机模型、动力电池组模型、结合扭振和油耗MAP的增程器模型。通过增程器台架实验和整车油耗实验验证模型精度，为后续多目标优化的能量管理策略研究奠定基础。 （2）提出一种遗传算法优化的BP神经网络（GA-BP）工况识别方法。该方法以速度区间的特征参数为输入，工况类型为输出，通过参数匹配和识别精度分析，分别建立GA-BP工况识别器和BP工况识别器。对比两者识别效果，GA-BP工况识别器在误差、最大误差和识别精度等方面均有明显改善。 （3）针对固定工况能量管理策略研究难以适应复杂行驶工况的问题，提出一种基于工况识别的增程器多工作点能量管理策略，以加权求和方式构造考虑扭振与等效油耗的多目标优化函数，以能量管理策略的多工作点为优化变量，采用改进果蝇算法进行全局优化。依据权重分布将优化分为四种类型，仿真结果表明综合型具有相对均衡的控制效果；相对工况识别前，工况识别后多目标优化的总指标有所改善。 （4）为了验证所提出能量管理策略的实时性，建立以模拟整车模型的实时仿真平台与快速原型整车控制器为核心的硬件在环实验系统。快速原型作为汽车真实控制器，实时仿真平台作为整车模型的载体，以中国工况为输入，评价多目标优化的工况识别能量管理策略实时性。结果显示，硬件在环实验在等效油耗、油耗、扭振指标等方面与仿真结果误差较小，SOC曲线等基本吻合，说明能量管理策略具有较高的实时性，能够满足设计需求。 收起