插电式混合动力汽车是我国新能源汽车产业发展的重要方向之一,能量管理策略作为其核心技术之一,对提升能量利用效率及减低排放具有重要意义。本文以一款搭载双离合多挡混合动力专用变速箱（Dedicated Hybrid Transmission,DHT）的插电式混合动力乘用车为研究对象,进行能量管理策略研究。针对纯电动模式和并联驱动模式分别开发了基于离线优化结果的实时能量管理策略。研究工作对插电式混合动力汽车技术发展和整车性能提升有一定的学术价值和工程应用意义。基于AMESim软件建立了双离合多挡DHT混合动力乘用车整车及动力系统关键零部件模型,包括驾驶员模型、电机模型、动力电池模型、发动机模型、传动系统模型以及车辆动力学模型。在Matlab/Simulink中搭建控制策略模型,通过仿真接口实现二者联合仿真,并根据实车试验数据和仿真数据对比分析,校验了仿真平台的准确性,为能量管理策略开发奠定基础。开展了纯电动模式下的能量管理策略研究。结合双电机转矩特性,以电机功率消耗最低为目标,计算复合外特性范围内的最佳挡位分布和最优转矩分配。分析部分边界和交叉区域的工作点能耗差别,以次优解代替最优解以满足车辆平顺性和安全性要求,并通过仿真分析说明其节能效果。开展了并联驱动模式下的能量管理策略研究。首先,基于电量消耗-电量维持（Charge Depleting-Charge Sustaining,CD-CS）规则设计了并联驱动模式下的模式选择和转矩分配策略,在此基础上以动力系统综合效率最优为目标制定了混合动力汽车的经济性换挡规律。其次,建立了能量管理策略动态规划算法模型,通过限制转矩分配系数变化率实现对发动机变载幅度的控制,构建了包含发动机油耗和换挡动作惩罚项的目标函数,运用动态规划算法获得已知工况下的全局最优解。在不同测试工况下的仿真结果表明,采用动态规划算法相比于CD-CS策略,百公里节油率分别为21.15%和23.47%。开展了基于全局优化结果的实时能量管理策略研究。利用动态规划优化结果,建立神经网络算法模型解析车辆状态参数与最优控制变量之间的非线性函数关系。将优化结果作为神经网络的训练样本,分别设计了基于神经网络算法的转矩分配策略和挡位选择策略,在Matlab/Simulink中搭建实时能量管理策略模型进行仿真,仿真结果与动态规划优化结果接近,达到了基于离线优化结果的实时能量管理策略的开发目标。图60幅,表16个,参考文献95篇。