模块化多电机系统（MCM）是一种由多个整体模块化电机组合而成的集中式多电机系统。它能够丰富系统工作模式、优化系统功率、提升系统容错性能,在电动汽车等领域有较好的应用前景。多个电机的组合使用增加了系统的可优化自由度,但也使系统产生了许多复杂的问题,例如:多电机设计指标的确定问题、多电机的协调控制问题及能量管理问题等。本文就MCM系统在电动汽车中的应用问题展开研究,建立了基于MCM系统的电动汽车模型,提出了用于MCM参数匹配的电机效率map图快速预估方法,并就MCM系统参数匹配、功率分配策略等理论和应用问题进行了研究。为解决MCM系统在不同种类电动汽车上的应用问题、分析系统子部件之间的相互作用、建立系统的控制模型,本文引入能量宏观描述（EMR）对基于MCM系统的不同电动汽车进行分析和建模。EMR的使用可以方便地获取系统的调节链和控制链,更加清晰、直观地反映了系统内部的能量流动,突出了系统中不同部件之间的重要耦合关系。根据反演规则,可以一步步系统性地推导出系统的控制方案,且EMR为每个状态变量都定义了闭环控制。本文建立的基于EMR的MCM模型可以作为电动汽车常用零部件的标准EMR模块直接被其他应用对象调用,提升了MCM系统模型的可移植性。为了进行MCM参数匹配、确定系统中每个电机的设计指标,需要提前获取被匹配电机的效率map图,而如果对每个电机均进行设计,需要大量的时间。本文研究了感应电机和永磁同步电机效率map图快速估算方法。该方法以额定损耗为基础,分区域计算电机损耗,仅需四个基本参数就可以快速预估电机效率map图,为以扩大系统高效区域为目标的MCM参数匹配节省了大量时间。与实验效率map图相比,采用估算效率map图时整车能耗误差小于3.2%,表明该效率map图估算方法的精度满足MCM参数匹配要求。为了优化MCM系统、确定电机设计指标,本文研究了以扩大MCM高效区域、提升MCM转矩密度和减少永磁体用量为目标的MCM参数匹配多目标优化方法。进行了串联MCM和并联MCM的参数匹配,并提出了基于行星齿轮的转矩耦合与混合耦合MCM双电机系统。与单电机相比,基于感应电机和永磁同步电机的MCM系统永磁体用量减少44%,同时系统有更大的高效区域。基于行星齿轮的双电机系统改变了MCM系统的“转速耦合”方式,提升了系统节能潜力。研究表明,MCM在纯电动汽车和串联混合动力汽车（HEV）中节能效果明显,在并联HEV中无助于降低油耗。串联MCM比并联MCM效率更高、可装配性更好。同时,双电机MCM系统的“节能/投入”比最高。为提升电驱动系统的综合效率、改善电机的工作特性,本文研究了基于模糊神经网络（ANFIS）和模型预测控制的MCM功率分配策略。提出的基于小波变换和神经网络的车速预测方法提高了车速预测精度。结合历史数据和预测数据,采用非线性回归和非线性插值优化当前时刻功率分配,改善了MCM系统中电机的工作特性。与效率最优策略相比,ANFIS策略在一定程度上改善了电机的工作特性,但是系统能耗增加2.45%。模型预测控制策略改善了电机的工作特性,系统振动噪声减小,其能耗仅增加1.4%。模型预测控制策略在提升系统效率的同时可以改善电机工作特性,是一种适用于MCM系统的功率分配策略。