随着智能网联技术的发展,不同车辆之间,车辆与监测系统之间(vehicle-tovehicle/vehicle-to-infrastructure,V2V/V2I)的信息可以相互传递。利用V2V/V2I信息传递对提高插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的能量管理性能卓有成效。与考虑单车的PHEV相比,车辆跟驰场景下的PHEV如何保持安全的同时并减少油耗,已成为当前亟待解决的难题。城市公交工况的复杂多变,易造成驾驶员疲劳,发生追尾事故。故本文以插电式混合动力客车(Plug-in Hybrid Electric Bus,PHEB)为研究对象,研究跟车场景下,基于模型预测控制的能量管理控制策略,具体研究内容如下。首先,考虑PHEB驾驶安全性和燃油经济性的多目标能量管理优化问题,以及此问题内部的冗杂性,提出基于非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)策略。此策略可在预测域内将优化问题转化为一系列二次规划子问题,降低优化过程中的复杂性。此外,其中的滚动优化环节采用序列二次规划(Sequential quadratic programming,SQP)算法,并预先拟合发动机比油耗和电机效率,以保证SQP算法的正常优化。最后,在MATLAB/Simulink环境中验证NMPC策略的有效性,同时采用硬件在环实验平台验证此策略的鲁棒性和实时性。其次,考虑到常规非线性模型预测控制策略,在实际交通工况中预测精度有限,所以在基于NMPC策略基础上,提出自适应随机模型预测控制(Adaptive Stochastic Model Predictive Control,ASMPC)策略。此策略利用重庆303公交线路工况建立Markov链的转矩需求预测模型,此模型与驾驶工况关联性较大,预测更为准确,弥补了非线性预测模型的不足。此外,设计驾驶安全性和燃油经济性之间的自适应权重因子,此因子可以根据交通信息更新。最后,在MATLAB/Simulink环境中验证ASMPC策略的有效性,同时采用硬件在环实验平台验证此策略的鲁棒性和实时性。