本文以电动汽车热泵空调系统为研究背景,对系统控制策略进行研究。电动汽车热泵空调系统是一个大滞后、非线性、变工况的复杂系统,常规的控制方法难以精确满足乘员舱舒适度需求。受限于电池能量密度,电动汽车应尽量减小子系统功率,特别是热管理系统的功率。因此,本文以热泵空调系统及部件换热机理、机器学习中相关算法与目前流行的控制方式结合为着手点,从乘员舱温度和空调系统功率两个方面对热泵空调系统控制策略进行研究。基于MATLAB/SIMULINK开发环境建立热泵空调系统仿真平台模型。通过实验数据,结合BP神经网络,建立压缩机机器学习模型,以精确预测压缩机运行状态。基于热力学原理对热泵空调系统其余部件进行建模,并将各部件耦合建立热泵空调系统仿真平台。选取实验设备,搭建热泵空调系统实验台架,根据制热/制冷测试工况,对热泵空调系统仿真平台进行验证。在压缩机控制策略方面,本文提出模糊神经网络控制策略,弥补了模糊控制严重依赖专家经验的不足。以乘员舱当前温度与设定温度差值及差值变化率作为控制器的输入量,控制压缩机转速的直流电机的驱动电压PWM(Pulse Width Modulation)占空比作为输出量,构建二维压缩机模糊神经网络控制器。基于训练好的神经网络模型,对输入量对应的隶属度函数进行调整,并分别在制热/制冷工况,对模糊神经网络、模糊、PID三种控制下乘员舱温度变化对比分析,三者响应速度均满足乘员舱需要,但模糊神经网络的控制精度优于其他两种控制策略。选用模糊神经网络控制器作为本文压缩机控制策略。结合电动汽车热泵空调系统及乘员舱模型,对影响热泵空调系统性能的因素进行分析。根据车外换热器迎风速度2~20m/s、车内换热器风量150~550 m3/h、车外环境温度-5、0、5℃、车外环境温度30、35、42℃工况进行仿真,针对系统质量流量、压缩机功率、系统制热/冷量、系统COP/EER性能参数变化以及不同工况下模糊神经网络控制下的乘员舱温度变化进行研究,为系统控制策略提供了优化方向。选取系统功率作为优化目标,将驱动压缩机、车外换热器风扇、车内换热器风扇的电机的PWM占空比作为控制变量。根据保证乘员舱舒适度以及压缩机、车外换热器风扇、车内换热器风扇自身特性,给出约束条件。采用改进型粒子群算法作为优化算法,对系统控制策略优化。在测试工况下,优化后最佳节能效果与额定状态相比,降低了41.31%,达到了热泵空调系统在满足乘员舱舒适度的同时节能的目的。