增程式电动汽车具有低成本、高续航等特点,能量管理策略作为增程式电动汽车核心控制策略,其控制效果在很大程度上决定整车燃油经济性和续航里程,对增程式电动汽车能量管理策略进行深入研究与完善,不仅能提升整车燃油经济性,还能同时维持电池荷电状态（SOC）实现长久续航。本文对国内外能量管理策略的研究现状进行总结,通过研究目标车辆结构和工作原理,建立了增程式电动汽车整车模型,结合目标车辆工作模式建立基于准确规则的能量管理策略并进行模型验证,建立基于模糊控制的能量管理策略并采用粒子优化算法对其中的隶属度函数进行优化,结合多种工况特征参数并利用神经网络算法建立基于神经网络的能量管理策略,对比分析不同能量管理策略下的等效燃油经济性。论文主要的研究内容如下:首先,简要介绍本课题背景和意义,确定增程式电动汽车为研究对象。对其能量管理策略的国内外研究现状进行了总结,挖掘出现有研究中的不足,确定了本课题的研究内容和技术路线。其次,结合某增程式电动汽车具体结构、参数和工作原理,对其中增程器、电动机、电池和传动系统等关键部件的理论结构和台架试验结果进行分析,使用试验与理论建模相结合的方法在Matlab/Simulink中建立增程式电动汽车整车模型。然后,基于实车具体工作模式的研究,提出增程式电动汽车能量管理策略的设计规则,并结合发动机最优工作点,在Stateflow中建立发动机多工作点的基于准确规则的能量管理策略,将其嵌入Simulink整车模型中进行仿真验证。在此基础上引入常用于传统混合动汽车上的模糊控制策略建立模糊控制能量管理策略,进行仿真分析对比,验证其控制效果。接下来,针对模糊控制规则制定具有主观性的缺点,结合粒子群算法对模糊控制器中隶属度函数进行优化处理。通过不同工况对其进行仿真分析对比,验证优化后的能量管理策略控制效果。为提升能量管理策略对燃油经济性在随机工况下的优化效果,结合径向基神经网络,建立基于工况识别的能量管理策略,实现了工况识别,并且实现在不同工况下均能对燃油经济性产生良好的优化效果。最后对本课题的研究成果进行总结,提出下一阶段研究方向。