全功率燃料电池汽车凭借着优异的能源与环保性能、良好的市场前景以及国家政策支持等优势已成为当下研究热点。已有燃料电池汽车参数匹配研究多针对能量混合型和功率混合型燃料电池汽车展开,对全功率燃料电池汽车动力系统参数匹配研究较少。此外,燃料电池因没有卡诺循环的限制而获得较高的能量转换效率,进而使整车获得较好的经济性,但如何通过优化动力系统设计和改进能量管理策略等方法进一步提升整车经济性仍然是自主研发过程中亟待解决的问题。鉴于上述分析,本文以全功率燃料电池汽车为研究对象,对其动力系统进行优化设计与能量管理两方面研究。首先,基于动力性设计指标及已有匹配理论,提出针对全功率燃料电池汽车动力系统的参数匹配方法,并通过对典型全功率燃料电池汽车丰田Mirai的正向匹配,验证所提方法的合理性。同时借助Advisor仿真软件进一步验证匹配所得参数的合理性。所提匹配方法较好地发展了全功率燃料电池汽车匹配理论,对其动力系统集成设计具有一定借鉴意义。第二,基于经济性指标要求,对全功率燃料电池汽车动力系统进行节能分析并给出优化设计方法。文中基于提出的理论氢耗模型进行燃料电池效率、驱动电机效率、滚动阻力系数、整备质量、制动能量回收率对整车经济性影响的量化分析,并根据所得量化分析结果,给出在满足一定经济性指标要求的前提下,动力系统关键部件参数优化匹配方法。此外文中还基于所提出的遍历权重系数动态规划方法衡量当前能量管理策略的优劣,并确定了能量管理策略对经济性影响的程度及优化能量管理策略的本质。基于经济性指标的优化设计以及动态规划分析分别从参数匹配及能量管理两个层面揭示了提高经济性的有效途径,对动力系统参数匹配以及能量管理策略的制定具有一定的指导意义。第三,基于全功率燃料电池汽车特点,分析已有能量管理策略的优缺点并选定功率跟随策略。同时根据功率跟随策略的不足提出基于模糊修正的功率跟随控制策略。此外,鉴于控制策略中关键控制参数标定困难且工况适应能力差,本文采用学习向量量化神经网络进行工况识别,并基于工况识别结果进行关键控制参数的自适应在线调整。对于工况识别中用到的特征参数,基于K均值聚类算法通过所提出的差别度获得,而对于所要在线调整的关键控制参数,则采用多岛遗传算法进行不同种类工况下离线优化获得。为验证所开发的模型及能量管理策略的正确性、有效性和实时性,分别进行离线仿真及硬件在环测试。文中首先将Simulink自建模型与Advisor模型进行仿真结果对比,以此验证所开发的整车模型、驾驶员模型及功率跟随控制策略模型的正确性。其后,在前述功率跟随控制策略中加入模糊控制、工况识别及优化等提高燃料经济性的改进方法,并通过离线仿真证明了所提改进方法的有效性。最后,利用真实控制器及实时仿真器Simulator搭建硬件在环测试平台对所开发策略开展硬件在环测试以验证其实时性。