传统汽车对于石油资源的大量消耗,造成了严重的能源危机和环境污染。大力发展新能源汽车技术已成为全球汽车产业的发展方向。混合动力汽车兼具纯电动汽车和传统内燃机汽车的优点,它既有纯电动汽车高效率和低排放的优点,又有石油燃料比能量和比功率高的长处,显著提高了传统内燃机汽车的环保性和燃油经济性,增加了电动汽车的续驶里程。混合动力汽车价格适中,适合产业应用,是新能源汽车发展的重要方向。因此,混合动力汽车关键技术研究具有十分重要的意义。本文在全面分析混合动力汽车发展概况、驱动类型、关键技术的基础上,围绕混合动力源电动汽车的能量管理与控制系统开发,重点研究油电混合动力电动汽车的能量管理策略以及动力电池与超级电容混合动力源的结构与控制系统设计。完成的主要工作如下:在综合考虑模型的精度、时效性、准备性前提下,选用查表法、综合实验法,建立了发动机、电机、电池、传动系、车辆动力学和车辆控制系统等模型,并开发了基于NXP MC9S12XEP100单片机的整车控制系统,实现了接口电路、电源模块时钟电路、复位电路、数据采集模块、CAN总线设计,并按照可靠性要求设计出满足高低温测试、震动测试、电磁兼容性测试的控制系统。为了优化混合动力汽车的运行,获得良好的动力和节能效果,需要对混合动力汽车的能量管理进行优化控制。基于模糊控制理论以及模糊控制器的结构原理,本文构建了混合驱动系统能量管理模糊控制策略,以整车总需求转矩和电池组SOC(State of Charge,荷电状态)为输入变量,以发动机需求输出转矩命令为输出变量,在Matlab/Simulink中建立模糊控制能量管理系统模型,把模糊控制能量管理模型和整车模型嵌入混合动力汽车性能仿真软件Advisor中进行仿真实验,将仿真实验结果与电辅助式能量管理策略进行对比,百公里等效燃油消耗量降低了5.2%,每公里HC排放降低了0.106g,CO降低了0.297g,NOX降低了0.116g,系统效率提高了25.7%。试验结果表明,模糊控制能量管理策略将发动机和电机的输出转矩进行合理分配,更有效地降低了混合动力汽车的燃油消耗,燃油经济性显著提高。模糊控制虽然取得了较好的控制效果,但是其控制规则是基于专家经验,并且不能适用工况的变化。为了克服这一局限性,本文设计了一种基于Actor-Critic强化学习的能量管理策略,通过策略学习的方法获得优化的控制策略,这是本文的创新点之一。该方法采用神经网络进行状态-动作值函数的估计,大大缓解了“维数灾难”问题,且由于采用Actor网络,使得该算法可以处理连续的状态和动作空间问题,解决了基于规则能量管理策略不能适应不同行驶工况的问题。通过仿真实验,基于Actor-Critic强化学习的能量管理策略与基于规则的能量管理策略相比,燃油经济性提高了46.38%,发动机效率提高了7.8%,电机效率提高了2.6%,发电效率提高了8.8%。结果表明,基于Actor-Critic强化学习能量管理策略在燃油经济性、发动机效率、电机效率等方面均有明显的提升,显示了该方法良好的优化效果。电动汽车的性能依赖于动力系统结构及其控制策略,本文创新性地提出了一种新型的动力电池和超级电容混合能量源的拓扑结构及模糊逻辑控制策略。采用一个双向DC-DC转换器对动力电池和超级电容进行耦合,充分发挥动力电池和超级电容的优点,提高电动汽车的瞬时特性,减小大电流充放电对动力电池的损害。混合能量源系统与单电池系统相比,能源消耗减少14.67%,行驶里程提高了17.79%。试验结果表明,动力电池和超级电容混合动力源的结构及模糊逻辑控制策略在能量利用、续航里程提升等方面有明显的优势。相对于只有动力电池动力源的电动汽车,动力电池的电压和电流曲线也明显平滑,显示此结构和控制策略可以有效地对动力电池进行保护。