1、合理的能量管理策略能夠大幅度降低插電式混合動力汽車(Plug-in Hybrid Electric Vehicle，PHEV)的燃油消耗以及排放，但現(xiàn)有的能量管理策略未考慮實(shí)際行駛工況多變性對燃油消耗的影響，離線全局最優(yōu)能量管理策略雖然能獲得理論上的最小燃油消耗值，但只能應(yīng)用于離線狀態(tài)。因此本文提出一種基于工況預(yù)測和離線最優(yōu)軌跡的在線能量管理策略，將離線最優(yōu)軌跡運(yùn)用到在線中的同時，提高了汽車的燃油經(jīng)濟(jì)性和策略對不同工況的適應(yīng)性，具體工作

2、內(nèi)容如下:
　　基于Matlab/Simulink環(huán)境，以實(shí)驗(yàn)建模為主，理論建模為輔搭建了整車動力學(xué)及傳動系統(tǒng)各部件仿真模型，為進(jìn)一步的研究提供了仿真平臺。
　　利用動態(tài)規(guī)劃算法，建立了離線全局最優(yōu)能量管理策略。對算法進(jìn)行了改進(jìn)，通過將算法中每一時刻SOC取值范圍限定在0.6～0.8，以此來縮減計(jì)算時間，提高算法程序的通用性，同時保證了電池SOC在合理范圍內(nèi)波動;通過限定最后時刻SOC取值為0.7，在逆向搜索可行SOC域時，

3、嚴(yán)格保證了工況下SOC電量平衡，提高了結(jié)果的可信性。仿真結(jié)果表明，所編寫算法程序通用性良好，能應(yīng)用于不同工況，所建立離線全局最優(yōu)策略相對于電機(jī)助力策略燃油經(jīng)濟(jì)性明顯提升。
　　通過相關(guān)性分析對工況特征參數(shù)進(jìn)行降維，確定了12種特征參數(shù)用于工況預(yù)測，利用歐幾里德貼近度法實(shí)現(xiàn)對工況的在線預(yù)測?？紤]到駕駛模式代表了短期內(nèi)駕駛員對道路環(huán)境的一種反應(yīng)，是汽車當(dāng)前時刻一種重要的狀態(tài)，將駕駛模式定義為5個等級;研究了神經(jīng)網(wǎng)絡(luò)的基本原理，利用BP

4、神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)汽車駕駛模式的在線預(yù)測。
　　利用神經(jīng)網(wǎng)絡(luò)對標(biāo)準(zhǔn)工況下離線最優(yōu)軌跡及對應(yīng)汽車狀態(tài)進(jìn)行學(xué)習(xí)訓(xùn)練，建立基于神經(jīng)網(wǎng)絡(luò)和離線最優(yōu)軌跡的在線策略并進(jìn)行仿真驗(yàn)證，結(jié)果表明該策略性能表現(xiàn)良好，實(shí)現(xiàn)了離線最優(yōu)軌跡的在線應(yīng)用和能量的合理分配。在上述策略的基礎(chǔ)上，結(jié)合工況預(yù)測方法和駕駛模式預(yù)測方法，設(shè)計(jì)基于工況和駕駛模式預(yù)測及離線最優(yōu)軌跡的綜合在線能量管理策略并進(jìn)行仿真驗(yàn)證，結(jié)果表明，所設(shè)計(jì)策略下汽車SOC變化平穩(wěn)，具有良好的電量保持能力