为解决环境恶化、资源短缺等问题,混合动力汽车(Hybrid Electric Vehicle,HEV)应运而生。其采用的发动机—电动机联合驱动动力总成结构,主要目的是利用电动机使发动机工作在高效区间,以达到提高燃油经济性的目的。但该类方法没有考虑到排放性和限流性的问题。发动机高效工作并不意味着排放性也处于高效区间,同样也不意味着动力电池工作在高效范围内。排放性差的汽车一方面导致环境污染,另一方面影响产品合格率和销售。动力电池充放电电流的大小直接影响其使用寿命,间接影响HEV更换电池的频率,从而增加整车的使用成本。为此本文在考虑燃油经济性的同时考虑了排放性和限流性,建立多目标问题并采用多目标粒子群进行能量管理。基于粒子群算法的能量管理策略以最小燃油经济性为目标,将行驶过程中需求扭矩离散化,离散后的扭矩在电动机与发动机之间进行合理分配。对于行驶工况未知的情况下,可通过加速、减速踏板开度获得需求扭矩。实验结果表明基于粒子群算法能量管理的结果与现有基于规则的能量管理相比,提高了行驶过程中整车燃油经济性。基于粒子群算法的能量管理策略是单目标优化,能提高燃油经济性但是在排放性和限流性方面较弱。为此提出多目标优化,并采用多目标粒子群算法进行能量管理。以最小燃油经济性、最小有害尾气排放量、最小动力电池充放电电流为目标函数。将需求扭矩在发动机与电动机之间合理分配。实验结果表明,以一定的燃油经济性为代价多目标粒子群算法能显著降低有害尾气排放量、限制动力电池电流。针对多目标粒子群算法在寻优过程中,不能保证最优解集多样性的问题,提出基于改进自适应网格多目标粒子群算法,并用于能量管理。利用几个典型多目标测试函数对所提出算法进行测试,测试表明改进自适应网格多目标粒子群算法能有效提高最优解的多样性。在最优解集规模一致情况下,改进自适应网格多目标粒子群算法解的分布范围更广。能量管理实验结果表明,改进自适应网格多目标粒子群算法与多目标粒子群算法在燃油经济性上更具优势。