随着人工智能、智能制造、大数据和区块链等新一轮的科技革新,汽车行业迎来了巨大的变革,“电动化、智能化、网联化、共享化”的新技术时代已经到来。另外,国六排放标准的应用使得汽车油耗以及排放法规更为严苛,排放检验场地也由实验室环境扩展到了室外道路环境,这使得车辆运行的工况点分布更广,排放优化点更多,需综合考虑的因素也就更多。能量流管理技术是传统车/新能源汽车开发的关键技术之一,也是迄今为止汽车开发过程中研究最为活跃、范围最广和程度最深的研究方向之一,其研究范围从特定工况的静态优化发展到了实际行驶工况下的参数辨识、预测以及控制策略在随机道路条件下的在线调节和动态优化,研究重点从稳态工况下的燃油经济性单目标优化发展到了瞬态工况下的燃油经济性和排放多目标综合控制。因此,本文以课题组提出的基于先进传感技术与数值仿真耦合的整车瞬态性能在线检测方法、发动机控制与性能参数的量化关系以及多层级能量管理技术作为基础,重点围绕“车辆瞬态性能与运行及控制参数的在线检测方法”与“基于典型工况下机-化-热-电的车辆能量管理策略开发”所面临的科学问题展开研究,开发了“实验-数据-模型”三元融合的车辆能量管理技术,采用了基于统计学与遗传进化算法相结合的方式对实际道路工况进行了重组,提出了基于李雅普诺夫优化的在线优化算法并在本文搭建的车辆性能仿真平台上进行了验证。论文主要工作内容和结论如下:（1）开发了基于两稳态传感器法的RGF简化模型,基于RGF简化模型进一步开发了发动机扭矩和油耗预测模型,并提出了一种整车实际道路状态测试分析试验方法。基于两稳态传感器法的扭矩和油耗模型具有良好的测试精度,误差范围均在5%以内,方法简便,可以实现车辆在实际道路下的在线测试应用,这对优化瞬态下油耗具有重要的作用。（2）提出了基于统计学方法与遗传进化算法相结合的道路工况重组方案,对构建的工况和原始数据进行了台架复现分析。基于统计学方法和遗传进化算法相结合的方式重组的工况更贴近于真实道路工况,这使得车辆开发过程中的性能更贴近于真实道路下的性能。（3）开展了整车能量流的多物理场集成建模及优化工作,分析了RDE工况下的整车/发动机性能、燃烧特征及能量分布,揭示了能量项的影响因素。结果表明,（a）NEDC和WLTC的有效功输出占比均大于RDE下的有效功输出占比,燃烧损失发生的工况排序分别为WLTC、RDE、NEDC,这说明了车速变化越剧烈,缸内燃烧损失越大;（b）NEDC和WLTC下的排气焓增均高于RDE下的排气焓增,但占比都在20%以上,同时,三种不同驾驶循环下的冷却水传热能量占比也都在18%以上;（c）经过换挡策略优化之后的车辆在NEDC和WLTC下的节油率分别达到了3.0%和2.78%。（4）构建出了基于发动机转速和扭矩的瞬态油耗模型并应用在混合动力系统中,搭建了混合动力性能分析及优化平台,提出了基于李雅普诺夫优化的在线能量管理算法,与DP和A-ECMS算法进行了对比分析。基于马尔科夫与工作模式相结合的标准化前向DP算法与基础DP算法在性能上并无差异,但所需运行时间更短。另外,本文从能耗性能的稳定性出发提出的基于李雅普诺夫优化的在线瞬时能量管理算法和A-ECMS算法相比,平均油耗下降了13%。因此,多模式算法开发和遗传进化算法的应用研究有望借助于多学科下的能量管理模型构建统一标准化的算法平台,解决车辆测试循环的马尔科夫性、控制/约束变量以及目标函数的不确定性、进化算法的大规模与多样化问题。（5）通过对Otto发动机中的压缩比和VVT变量进行调整,在此基础上,引入高压EGR系统,可实现同时降低发动机油耗和NOx排放的双重效果;优化后发动机（阿特金森发动机）在串联式混合动力汽车中输出的累积油耗量在NEDC、WLTC、RDE工况中分别降低了4.58%,4.98%,4.31%,累积NOx体积分数则降低了73.34%,71.82%,58.11%;对于串并联车型来说,不管是CD阶段还是CS阶段,不管在何种驾驶循环工况中,累积油耗量的下降幅度均高于串联车型,累积NOx量的下降幅度却低于串联车型。通过本文的研究,促进了热力学、测试方法和机器学习等交叉学科的发展,实现人工智能在车辆领域的应用。同时,由于瞬态在线技术的应用,可以促使传统燃烧学、热力学和传热学等基础学科从稳态向瞬态拓展,进一步完善传统学科的基础理论并有望实现瞬态工况下的多目标性能实时控制,从而提高车辆在实际运行环境下的性能,达到节能减排的目标,具有重大的工程应用前景。