以锂电池为动力的新能源车辆,由于其绿色、环保、便捷、使用成本低的优点越来越受到国内外的重视。锂电池的能量估算与能量分配问题是目前新能源车辆研究的热点问题之一。本文主要对助力车锂电池的能量管理策略进行了研究,主要工作内容如下:(1)在学习SOC估算方法、量子行为粒子群算法(Quantum-behaved Particle Swarm Algorithm,QPSO)和小波神经网络的基础上,提出一种改进的QPSO训练小波神经网络。针对QPSO易陷入局部最优的缺点,基于变异思想改进QPSO,根据其离散度对全局最优位置进行一定概率的变异操作,进行多次迭代,避免算法陷入局部最优。构建基于改进QPSO的小波神经网络估算锂电池SOC,采用小波基函数作为神经网络的传递函数,改进QPSO代替传统的梯度下降算法;以循环阶跃变化的放电电流对锂电池放电,将其放电数据作为神经网络的训练样本。构建BP神经网络和小波神经网络进行实验分析对比,验证了本文算法更适用于助力车锂电池的在线实时估算。(2)建立助力车的动力学模型,根据骑行经验确定骑行中所遇到的特殊骑行状态并给出相应控制算法。以助力车的动力学模型和特殊骑行状态的控制算法为依据,提出了助力车的骑行控制算法和锂电池能量分配策略。(3)搭建基于智能手机的助力车能量管理测试平台,完成了对助力车锂电池的SOC估算和能量管理测试。实验结果表明,在实际骑行中,基于改进QPSO小波神经网络的锂电池SOC估算误差较低,面向助力车骑行控制的锂电池能量分配策略具有较低的分配误差且给予了骑行者较好的骑行体验。