如今各国都大力开拓坦克及各类装甲车辆的研究,积极寻求车辆性能的新突破。电传动履带车辆克服了机械传动的弊端使坦克的机动性能得到提高,坦克电气化已成为研究的热点。本文以双电机独立驱动串联式混合动力履带车辆为研究对象,在满足各用电设备用电需要的同时有效地调配能量源,制定合理的能量管理控制策略。分析串联式混合动力履带车辆的结构及特性,在MATLAB/Simulink下采用实验与理论相结合的方法对整车进行建模。划分车辆工作模式并依此搭建顶层控制器工作模式切换模型,为后续控制策略的开发提供了完整的仿真平台。比较多转速切换和沿最佳燃油消耗曲线的功率跟踪方法,多转速切换的功率跟踪方法耗油量高,然而发动机工作更稳定。在电池的充放电功率范围内,以电池辅助响应需求功率瞬态变化、发动机工作在最经济点为目标,开发基于规则的能量管理控制策略,并采用多转速的发动机-发电机组功率跟踪方法,提高燃油经济性。提出一种基于运动学片段识别的车速预测方法,提取典型行驶工况中的运动学片段样本并计算其特征参数,为减少计算量、避免相关信息迭代,对特征参数进行主成分分析达到信息的降维转化。使用K-Means算法将具有相似特征的样本聚类在一起,在不同类别下分别训练车速预测子神经网络模型。将运动学片段识别与传统的车速预测整合构成基于工况识别的自适应车速预测方法。车速预测时,实时判断并更新当前所处的工况类别,进而利用相应的子神经网络模型进行车速预测,预测速度的精度得以提高。针对履带车辆行驶条件复杂多变的特点,需建立具备自适应性且能够实时应用的能量管理控制策略。结合车速预测的方法,提出了基于非线性模型预测控制的能量管理策略,与传统控制策略相比具有一定的前瞻性和更强的鲁棒性。在预测时域内将基于电池等效油耗模型的成本函数作为评价指标,采用动态规划算法在预测时域内进行滚动优化求解,完成实时的功率分配策略。与基于规则的能量管理控制策略相比,电池的SOC维持效果更好,燃油消耗更低。