随着环境污染和能源消耗问题日趋严重,混合动力汽车作为一种行之有效的节能减排技术,受到了广泛而持续的关注。智能化、网联化是未来汽车的发展趋势。车联网技术的迅速发展为混合动力汽车控制提供了新的思路。混合动力汽车的控制策略与工况有着密切关系,融合车联网信息,有助于实现工况预测,为混合动力汽车的在线决策、优化提供参考。本文依托于国家高技术研究发展计划“863计划”-中度混合动力客车开发与研究,以单轴并联混合动力汽车为研究平台,对车联网环境下混合动力汽车控制策略优化开展深入的理论分析和试验研究。首先,建立单轴并联混合动力汽车整车模型。分析单轴并联混合动力汽车的结构和布置形式,建立包含发动机、电机、动力电池等在内的前向仿真模型。基于MATLAB/Simulink搭建混合动力汽车仿真平台,并对模型的关键部分进行验证,为后续分析混合动力汽车控制策略奠定基础。其次,提出一种基于车联网信息的速度预测方法。鉴于混合动力汽车能量管理算法与工况有着密切的关系,建立城市工况下交通流模型,构建交通场景,获取实时交通数据和车速。融合车-车通信和车-路侧设备通信数据,应用链条神经网络预测不同步长下的速度,并与常规BP神经网络进行对比。探究了预测误差与预测步长之间的关系,开展了链条神经网络参数敏感性分析。三种测试工况的仿真结果表明,链条神经网络的预测性能优于常规BP神经网络。然后,提出一种自适应等效消耗最小化方法,用于实时优化能量分配。等效因子是等效消耗最小化方法(Equivalent Consumption Minimization Strategy,ECMS)的关键控制参数,分析不同等效因子对应的转矩分配策略,明确等效因子的内涵。阐述庞特里亚金最小值原理,推导协同状态与等效因子之间的关系,获得等效因子调整规则。针对传统等效因子调整算法易出现不稳定的现象,考虑预测速度对电池荷电状态(State of Charge,SoC)平衡的影响,提出改进的等效因子调整算法,旨在维持SoC平衡的同时提高燃油经济性。与传统的等效因子调整方法相比,此方法不仅考虑SoC的反馈误差,而且兼顾预测速度的影响。三种测试工况的仿真结果显示,采用改进等效因子调整算法的ECMS燃油经济性优于传统等效因子ECMS,亦能维持电池SoC平衡,具有良好的工况适应性。最后,提出了基于电机转矩补偿的转矩恢复协调控制策略。转矩恢复过程中,由于发动机颗粒排放限制,发动机转矩难以恢复至目标转矩,导致车辆的动力性较差。针对该问题,考虑发动机和电机转矩响应的差异性,通过电机转矩动态补偿发动机转矩,以提高车辆的动力性,且兼顾平顺性。实车验证转矩恢复协调控制策略的有效性,对比未采用电机转矩补偿和采用电机转矩补偿两种控制策略。试验结果表明,提出的基于电机转矩补偿的转矩协调控制策略有效提高车辆动力性的同时,兼顾了车辆的平顺性。