插电式混合动力汽车以其节能减排方面的优势成受到行业关注。本文以插电式同轴混联公交为研究对象,重点关注基于连续空间深度强化学习的插电式混合动力公交的能量管理策略。分析同轴双电机动力系统的工作模式,根据整车参数以及动力性需求完成动力系统各部件参数匹配。采用搭建后向仿真方式搭建插电式混合动力公交模型,通过硬件在环与实车道路采集获取工况数据。建立了基于DP(动态规划)的能量管理策略,实现离散空间能量管理全局最优;构建基于Q-learning的能量管理策略,使能量管理策略可以在离散空间中自主学习逼近全局最优;分析基于DP与Q-learning在离散化过程导致精度误差与维度灾难使策略,表明离散空间的能量管理难以兼顾有效性与实时性;分析以神经网络为代表的参数化能量管理策略,研究了连续空间中的求解方法,分析现有连续空间能量管理策略受到训练数据的制约。基于Q-learning与神经网络的能量管理策略为基于AC能量管理奠定了理论基础。基于深度强化学习框架AC(Actor-Critic)的插电式混合动力系统的能量管理策略为本文的研究重点。基于AC的能量管理策略利用两个深层神经网络,一个直接输出连续控制信号被称为“表演者”网络;另一个评估“表演者”网络控制策略长期收益被称为“评价者”网络。“表演者”网络与“评论家”网络根据强化学习算法在连续空间中自主学习,AC通过历史经验数据更新网络参数最终得到能量管理策略。在仿真环境下试验了基于AC能量管理策略的性能,试验结果表明,AC在不同驾驶工况下在节能减排方面表现优异,AC的经济性指标在CTUDC,WVUCITY和WVUSUB工况下相较于离散空间全局最优的能量管理策略-动态规划提升了5.5%,2.9%和9.5%,而且消耗更少的计算资源。在随后试验中证明了AC无需离散化的优势使能量管理策略从根本上避免离散化误差和维度灾难。此外,通过两个试验验证了AC对不同工况的鲁棒性以及实际工况的适应性,试验结果表明基于AC的能量管理策略在插电式混合动力汽车,特别是单次行程相对固定混动公交的应用场景中具有潜力。