插电式混合动力汽车融合了纯电动汽车和传统混合动力汽车的特点,是实现“节能减排”目标的重要途径。能量管理是其中的关键技术,具有重要的研究意义。本文以插电式混合动力公交车(PHEB)为研究对象,提出了一种基于表格型强化学习(RL)和极小值法(PMP)融合的智能能量管理策略(RL-PMP),重点解决未知工况下的自适应控制问题。具体工作包括:第一,基于车辆的动力性指标和行驶要求,对发动机、电机、动力电池和传动系统进行了参数匹配设计和部件选型,并建立了满足能量管理控制要求的数学模型。第二,开展了基于PMP的PHEB能量管理策略研究。由于能量管理与传动系统存在较强的耦合关系,提出了考虑油门和换挡双控制量的控制方法,并将控制量设计成一维紧凑格式(将油门和换挡看成一维的集成控制量)。此外,基于最优拉丁超立方算法对控制量进行了不同采样点的采样,以寻找最佳的采样点。第三,提出了基于RL-PMP算法的能量管理策略。创新性地将参考SOC(电池荷电状态)与反馈SOC的差值设计为状态,以将状态空间降为50列的一维矩阵,此外,车辆的最优控制量由PMP求解,并将协调因子的变化量设计为强化算法中的动作,以降低最优动作对状态的敏感性。研究结果表明,提出的RL-PMP算法可实现离线自学习,训练好的Q表可直接应用于未知工况并可实现能量管理的自适应控制,相比规则算法,其燃油经济性平均改善22.85%。第四,基于D2P快速控制原型系统,搭建了RL-PMP算法的硬件在环仿真平台。首先,建立了整车仿真模型,并基于D2P对RL-PMP算法进行编译并生成产品级代码;然后将代码下载到整车控制器(Hybrid Control Unit,HCU),并通过CAN总线实现整车模型和HCU的实时通讯;最后完成RL-PMP算法的实时性和稳健性验证。硬件在环仿真实验表明,提出的RL-PMP算法可实现实时控制,且具有较大的实车应用潜力。