在这近100年来,人类的主要交通工具由普通马车变为了高速行驶的汽车。但是随之而来的环境污染、能源危机已经影响到人类的发展,人们开始希望汽车不仅动力强劲还能节能减排。为了实现这一要求,新能源汽车开始出现在历史的舞台。当前新能源汽车种类多样,但是由于各种技术因素限制,常使用新能源汽车为混合动力汽车,而且国内城市新能源公交汽车广泛采用并联混合动力汽车。并联混合动力汽车传动部件的特性与其参数匹配对整车燃油经济性有着重要影响。国内外已经有大量关于混合动力汽车参数匹配方面的研究,这些研究偏重于理论的研究与分析。因此本文在其研究基础上,通过对比实际样车数据,验证本文的参数匹配优化算法具有实际参考价值。本课题以并联插电式混合动力汽车为研究对象,主要完成以下两方面的工作:1.根据车辆动力学原理和其控制策略,初步完成了并联插电式混合动力系统参数匹配;利用Simscape建立物理性模型,并借助半实物仿真模型验证其正确性。2.利用BP神经网络遗传算法进行参数匹配优化,以BP神经网络为训练对象,对各种实验数据进行训练,将训练的结果作为遗传算法适应度值,遗传算法通过选择、交叉与变异操作完成寻优的目的,实现对参数匹配优化工作,优化后的结果通过仿真模型进行验证,并将仿真结果与实际样车数据进行对比,结果表明百公里油耗下降了3L/100KM。证明此组合算法优化结果具有实际的参考意义。