在环境污染和能源匮乏的背景下,混合动力汽车由于(Hybrid Electric Vehicle,HEV)节能减排且技术相对成熟的优点,因此近年来在全球汽车行业中发展迅速。能量管理策略在满足混合动力汽车行驶需求功率的前提下,通过对动力源功率或转矩进行优化分配,以降低整车的燃油消耗,是提升HEV燃油经济性的核心技术。其中并联HEV的能量管理问题涉及对挡位的优化控制,需要同时兼顾燃油经济性和驾驶舒适性,对控制策略的计算要求较高,算法的设计难度增加。为此,针对并联HEV开发高效、实时优化性强的控制策略至关重要。本文以并联HEV为研究对象,通过将等效燃油消耗最小策略(Equivalent consumption minimum strategy,ECMS)应用到模型预测控制(Model predictive control,MPC)框架中,并融合车速预测信息,从而形成一种高效且适应性强的MPC能量管理策略,实现对并联HEV转矩和挡位的同时优化分配控制。具体研究工作如下:首先,针对并联HEV系统的各部件进行建模,采用拟合试验数据的方法分别构建发动机与电机的连续函数模型,基于内阻模型构建电池等效电路模型,随后建立汽车的纵向动力学模型,根据传动轴上的功率平衡关系,构建传动系统模型。通过对各部分的模型构建,建立并联HEV的后向仿真模型,为控制策略的研究奠定基础。其次,基于BP神经网络原理设计车速预测模型,以获取并联混合动力汽车在未来有限时域内的车速信息。首先针对预测模型选取具有代表性的标准城市工况作为训练样本进行学习训练,在训练结束后选取两个城市工况作为测试样本进行有效性验证,然后通过对比研究在不同参数设置下的预测误差,最后综合选取预测误差较小的参数值,确定车速预测模型的网络结构参数,为后续模型预测控制策略的实现提供前提条件。最后,针对并联混合动力汽车提出一种基于等效燃油消耗最小的模型预测(ECMS-MPC)能量管理策略。该控制策略通过将ECMS算法和MPC控制框架相结合,使并联HEV电池的电量消耗等效为燃油消耗,然后兼顾驾驶舒适性和燃油经济性,实现对转矩分配和挡位切换同时优化控制。为确保驾驶舒适性,通过在目标函数中引入换挡惩罚函数实现对挡位的优化控制,避免频繁换挡行为。此外,为验证ECMS-MPC控制策略的有效性,与动态规划(DP)控制策略和基于动态规划的模型预测(DP-MPC)控制策略进行对比仿真分析。优化结果表明,与其他两种控制策略相比,基于ECMS-MPC控制策略的计算效率更高,且燃油消耗水平接近全局最优的DP控制策略,证明了该控制策略的优化性能。最后探讨ECMS-MPC控制策略的优化性能对参数的敏感性,以确定合适的参数值,使ECMS-MPC优化性能最佳。