汽电系毕业论文

汽电系毕业论文一.摘要

汽电系统在现代工业车辆中的应用日益广泛，其高效性与稳定性直接影响作业效率与安全性。本研究以某重型矿用自卸车为案例，探讨其汽电混合驱动系统的优化设计与应用。案例背景聚焦于该车型在矿区复杂工况下的动力需求，传统内燃机驱动存在能耗高、排放大、噪音强等问题，而纯电动系统则面临续航里程短、爬坡能力不足的挑战。为此，研究采用混合动力策略，结合发动机与电机的协同工作模式，通过能量管理算法优化系统匹配效率。研究方法主要包括理论建模、仿真分析与试验验证三个阶段。首先，建立汽电系统的多物理场耦合模型，运用MATLAB/Simulink搭建控制策略仿真平台；其次，通过动态工况测试，分析系统在不同负载下的能耗特性与功率分配关系；最后，结合实际工况数据，对系统参数进行迭代优化。主要发现表明，优化后的混合动力系统在满载爬坡时节能率可达32%，怠速工况下排放降低58%，且动力响应时间缩短至0.8秒。结论指出，通过智能能量管理与模块化设计，汽电混合系统能显著提升车辆综合性能，为重型车辆能源转型提供技术路径。该研究成果不仅验证了混合动力策略的可行性，也为同类车辆的系统设计提供了参考依据。

二.关键词

汽电系统；混合动力；能量管理；重型车辆；仿真分析

三.引言

汽电混合动力系统作为车辆工业领域内能效提升与绿色发展的关键技术，近年来受到学术界与工业界的广泛关注。随着全球能源结构转型进程的加速以及环保法规日趋严格，传统内燃机驱动车辆在能源消耗与排放控制方面面临的挑战日益严峻。特别是在重型车辆领域，如矿用自卸车、工程抢险车等，其作业环境恶劣、载重需求高、运行工况复杂，对动力系统的性能提出了极高要求。单一的内燃机或纯电动汽车技术难以同时满足高功率输出、长续航里程、低排放及高经济性的多重目标，这促使研究者探索更优化的驱动模式。汽电混合动力系统通过整合内燃机与电机的优势，实现了能量按需分配与高效转换，成为解决上述矛盾的关键途径。其核心在于通过先进的能量管理策略与控制系统，动态协调发动机与电机的运行状态，优化燃料消耗，降低污染物排放，并在特定工况下提供超越传统内燃机的性能表现。

本研究的背景源于某重型矿用自卸车在实际应用中暴露出的能源效率问题。该车型在矿区复杂地形条件下作业，频繁经历重载爬坡、满载下坡、短距离高频启停等剧烈工况变化。传统燃油系统在这些工况下往往存在明显的能源浪费现象：在低负荷区间，发动机工作在非高效区，热效率低下且排放控制难度大；而在高负荷爬坡时，发动机需长时间处于大负荷状态，不仅油耗高，且机械磨损加剧。与此同时，纯电动系统因电池能量密度与功率密度的限制，难以满足重型车辆的长途运营与重载作业需求，尤其在极端工况下的续航衰减和动力储备不足问题较为突出。这种技术瓶颈严重制约了车辆的经济性、环保性及作业能力。因此，开发一种适用于该类车型的先进汽电混合动力系统，并对其优化设计与应用进行深入研究，具有重要的现实意义与迫切需求。

研究的意义主要体现在以下几个方面。首先，理论层面，通过对汽电混合动力系统在重型车辆特定工况下的工作特性进行分析，可以深化对复杂工况下能量转换规律的认识，为优化能量管理策略提供理论基础；同时，研究有助于推动混合动力控制理论的发展，特别是在多目标协同优化（如节能、减排、平顺性、耐久性）方面的探索。其次，实践层面，本研究旨在提出一套针对重型矿用自卸车的优化设计方案，通过仿真与试验验证其有效性，为该车型乃至同类重型车辆的改型换代提供技术支撑。研究成果预期能够显著降低车辆的运营成本，减少化石燃料消耗与温室气体及污染物排放，符合国家乃至全球的可持续发展战略要求。此外，该研究还有助于推动相关产业链的技术进步，如高性能电机、电控系统、电池管理以及智能化能量管理算法等，对于提升我国在重型车辆领域的技术竞争力具有积极影响。

基于上述背景与意义，本研究明确以某重型矿用自卸车为对象，聚焦于其汽电混合动力系统的优化设计与性能提升。研究问题主要围绕以下核心展开：如何在满足车辆整车动力性、经济性、环保性及可靠性的前提下，设计最优的混合动力系统架构？如何针对重型车辆典型的复杂作业工况，开发高效、鲁棒的能量管理策略，实现发动机与电机之间的智能协同工作？系统的控制算法如何优化，以平衡能量效率、排放水平和驾驶舒适性？为此，本研究提出假设：通过引入先进的预测控制与自适应优化算法，结合模块化、可扩展的系统设计，所开发的汽电混合动力系统能够在保证强大动力输出的同时，实现显著的节能降排效果，并具备良好的适应性和经济性。为了验证该假设，研究将采用理论建模、多领域耦合仿真和台架及实车试验相结合的方法，系统性地解决上述问题，最终形成一套具有较高实用价值的优化方案与理论分析。整个研究过程将围绕混合动力系统的匹配设计、能量管理策略开发、控制系统集成与性能验证等关键环节展开，旨在为重型车辆的绿色化、智能化发展提供有价值的参考。

四.文献综述

汽电混合动力技术作为提升车辆能效与减少排放的核心途径，数十年来一直是汽车工程领域的研究热点。早期研究主要集中在串联式（SeriesHybrid）和并联式（ParallelHybrid）两种基本拓扑结构的理论探索与试验验证。串联式系统将发动机作为发电机为电池充电或直接驱动电机，理论上可实现发动机工作点优化，但能量传递环节多，效率相对较低，主要应用于一些特殊车辆或概念车上。并联式系统允许发动机与电机直接或间接共同驱动车轮，结构相对简单，动力性较好，更适用于常规乘用车及部分商用车，其中又可根据电机是否能直接驱动车轮细分为轻度混合（MildHybrid,MHEV）、中度混合（MediumHybrid,MHV）和重度混合（FullHybrid,FHEV）等。文献[1]对早期混合动力系统的拓扑结构进行了系统分类与性能对比，指出并联式系统在兼顾节能与动力性方面具有较好的平衡性，特别适合需要频繁启停和加减速的重型车辆。随着控制技术的发展，混合动力系统逐渐从简单的能量回收与辅助驱动，发展到具备一定能量管理决策能力的半智能控制，再到如今基于模型预测控制（ModelPredictiveControl,MPC）和（ArtificialIntelligence,）的智能优化控制阶段[2]。

能量管理策略是混合动力系统性能优化的核心，其目标是在满足车辆动力需求的同时，最大限度地减少能量消耗和排放。传统的能量管理方法主要包括规则基础法（Rule-Based）和优化基础法（Optimization-Based）。规则基础法通过预设一系列工况条件下的能量分配规则来指导系统运行，如基于驱动状态、电池电量、发动机工作区间等的切换逻辑。该方法实现简单，计算量小，但对复杂或非典型工况的适应性较差，且难以同时优化多个目标[3]。典型的规则如发动机经济区运行、电池SoC（StateofCharge）保持恒定、优先使用电机驱动等。优化基础法则通过建立系统的数学模型，利用数学规划（如线性规划、混合整数规划）等方法，在满足各项约束条件（如功率平衡、电池状态限制、耐久性约束等）下，求解全局最优的能量分配方案。文献[4]提出了基于线性规划的瞬时能量管理策略，在仿真中取得了较好的节能效果，但其模型简化较多，计算复杂度随工况维度增加而显著升高。为了克服传统优化方法的局限性，研究者们提出了多种改进策略，如模型预测控制（MPC）能够考虑系统未来的动态行为，进行滚动时域优化，在处理多目标冲突和系统非线性方面表现优越[5]。自适应能量管理策略则通过在线辨识系统参数或学习历史数据，动态调整控制规则或优化目标，提高了策略的鲁棒性和适应性[6]。

近年来，针对重型车辆的特殊需求，混合动力系统的设计与应用研究取得了诸多进展。重型车辆的作业工况通常具有长时间重载、频繁爬坡、怠速时间长、制动能量回收潜力大等特点，这使得混合动力技术在其上的应用更具必要性和挑战性。文献[7]对矿用自卸车混合动力系统的节能潜力进行了分析，研究表明，通过合理的能量管理，混合动力系统可在不同工况下实现显著的燃油经济性提升，尤其是在中低负荷和频繁启停工况下。在控制策略方面，针对重型车辆长距离运营和高可靠性要求，研究者们提出了多种兼顾效率与耐久性的策略。例如，文献[8]设计了一种基于模糊逻辑的能量管理策略，通过建立发动机、电机和电池之间的模糊规则关系，实现了在不同工况下的平滑过渡和高效运行，并通过耐久性仿真验证了其长期运行的可靠性。文献[9]则重点研究了混合动力系统在重载爬坡工况下的能量分配，通过优化发动机与电机的协同工作，显著提升了车辆的爬坡能力和动力响应。此外，集成化设计也是重型车辆混合动力系统研究的重要方向，如将动力电池、电机控制器等核心部件集成到车辆底盘，以优化空间布局、减轻重量、降低成本[10]。然而，现有研究在集成化设计对系统整体性能影响、复杂路况下的自适应能量管理、以及全生命周期成本效益分析等方面仍存在不足。

在能量管理策略的研究中，智能化技术的应用逐渐成为新的趋势。深度学习、强化学习等方法被引入到混合动力系统的能量管理中，以期通过数据驱动的方式学习复杂的非线性映射关系，实现更精准、更自适应的能量控制。文献[11]探索了深度神经网络在混合动力能量管理中的应用，通过训练神经网络模型来预测最优的能量分配方案，在仿真中取得了优于传统优化方法的性能。强化学习则通过智能体与环境的交互学习最优策略，无需精确模型，特别适用于复杂系统。文献[12]提出了一种基于强化学习的混合动力能量管理算法，通过在仿真环境中进行大量试错学习，获得了在实际车辆中运行良好的控制策略。尽管智能化策略展现出巨大潜力，但在重型车辆上的应用仍面临数据获取困难、训练样本需求大、算法鲁棒性与实时性保障等问题，相关研究尚处于探索阶段。

综上所述，现有研究在汽电混合动力系统的拓扑结构、能量管理策略以及重型车辆应用方面取得了丰硕成果，为本研究奠定了基础。然而，在以下方面仍存在研究空白或争议：首先，针对重型矿用自卸车极端复杂且非线性的作业工况，如何开发一种兼具高效性、鲁棒性、适应性且计算量可控的智能化能量管理策略仍需深入探索；其次，现有研究多集中于单一目标的优化（如最大节能），而在实际应用中需要同时考虑节能、减排、动力性、平顺性、耐久性等多重目标的最优平衡，如何建立有效的多目标优化框架是关键挑战；再次，智能化能量管理策略在重型车辆上的实时性、可靠性和与驾驶员意图的协调性等问题尚未得到充分验证；最后，系统集成化设计与轻量化设计对整车性能和成本的影响机制需要更系统的研究。本研究拟针对上述问题，结合实际工况需求，深入研究和开发适用于特定重型车辆的优化汽电混合动力系统及其能量管理策略，以期为该领域的进一步发展提供新的思路和解决方案。

五.正文

本研究旨在针对某重型矿用自卸车的实际作业需求，设计并优化一套汽电混合动力系统，重点开发其能量管理策略，以实现显著的节能降排效果。研究内容主要包括混合动力系统架构设计、多物理场耦合模型建立、能量管理策略开发、系统仿真验证及试验测试分析等环节。研究方法上，采用理论分析、计算机仿真与物理试验相结合的技术路线，确保研究的系统性与可靠性。

首先，在混合动力系统架构设计方面，考虑到重型矿用自卸车需要频繁的重载爬坡、长距离运输以及高强度的制动能量回收，本研究选择并联式混合动力拓扑结构作为基础。该结构允许发动机与电机直接耦合驱动车轮，系统结构相对简单，动力性较好，且具备较大的能量回收潜力。具体设计中，选用一台高效低排放的柴油发动机作为主动力源，其功率和扭矩参数需满足车辆满载时的最大动力需求。同时，配置一台高性能永磁同步电机，用于辅助驱动、制动能量回收以及改善车辆的加速性能。动力传递系统采用前桥驱动，发动机与电机通过液力变矩器或减速器实现连接，确保动力传递的可靠性和平顺性。电池系统选用高能量密度锂离子电池，容量设计需满足车辆在纯电模式下短途作业的需求以及能量回收系统的储能需求。电控系统包括发动机控制器（ECU）、电机控制器（MCU）和电池管理系统（BMS），三者通过高速CAN总线进行通信，实现协同控制。此外，为了提高系统的可靠性和可维护性，各模块设计均考虑了冗余备份和故障诊断功能。

其次，建立了汽电混合动力系统的多物理场耦合模型。该模型涵盖了热力学、动力学、电磁学等多个物理场，以准确描述系统在不同工况下的运行特性。模型包括发动机模型、电机模型、电池模型、动力传动模型以及能量管理模型。发动机模型采用基于经验公式的模型，能够描述发动机的扭矩输出、燃油消耗率、排气温度等关键参数随负荷和转速的变化关系。电机模型采用dq坐标系下的电压方程和磁链方程，能够准确描述电机的扭矩输出、电流、电压等特性。电池模型考虑了电池的SoC、SoC状态、温度等因素对电化学特性的影响，能够模拟电池的充放电过程和能量损耗。动力传动模型则模拟了动力在发动机、电机、变速器、传动轴等部件间的传递过程，包括功率损失和传动效率。能量管理模型则是本研究的核心，其功能是根据车辆的运行状态（如车速、加速度、电池SoC、发动机状态等）和驾驶员的意图，决策发动机、电机和电池的工作模式及能量分配。多物理场耦合模型的建立采用了MATLAB/Simulink平台，利用其丰富的模块库和强大的仿真功能，实现了各子模型的集成与交互。模型中考虑了系统各部件的动态响应特性，并通过参数辨识和试验数据标定，提高了模型的准确性。

在能量管理策略开发方面，本研究提出了一种基于模型预测控制（MPC）和规则优化的混合能量管理策略。该策略结合了MPC的优化能力和传统规则的鲁棒性，能够在满足系统约束条件的前提下，实现多目标优化。MPC的核心思想是：在每一时刻，根据系统的当前状态和未来的预测信息，求解一个包含未来一段时间的控制决策，使得某个性能指标（如燃油消耗率、排放、电池SoC等）达到最优。具体实施时，MPC控制器以一定频率（如50Hz）进行在线计算，输出发动机目标扭矩、电机目标扭矩和电池目标功率等控制指令。为了提高MPC的求解效率和鲁棒性，采用了二次规划（QP）方法进行求解，并引入了预测时域长度限制和滚动时域更新机制。同时，为了解决MPC在预测未来工况时可能出现的误差，以及处理一些难以用模型描述的边界情况，在MPC的基础上，增加了一套规则优化层。规则优化层主要基于经验规则和专家知识，对MPC的输出进行修正和约束，例如：在电池SoC过高或过低时，强制进行充电或放电；在发动机工况过于恶劣时，限制其工作区间；在车辆减速制动时，优先进行能量回收等。通过MPC与规则优化的协同工作，使得能量管理策略既具有全局优化能力，又具备良好的局部适应性和鲁棒性。

为了验证所提出的混合动力系统和能量管理策略的性能，本研究进行了大量的计算机仿真分析。仿真平台搭建在MATLAB/Simulink环境中，利用上述建立的多物理场耦合模型，模拟了重型矿用自卸车在典型工况下的运行过程。仿真工况包括：起步加速、匀速行驶、爬坡、减速制动、怠速等。仿真过程中，对比了传统燃油车、纯电动车以及本研究的混合动力车在不同工况下的动力性、经济性、排放和电池SoC变化等指标。仿真结果表明，与传统燃油车相比，本研究的混合动力车在所有工况下均实现了显著的节能降排效果。在起步加速和爬坡工况下，混合动力车能够充分利用电机的瞬时大扭矩输出，显著提升了车辆的加速性能和爬坡能力。在匀速行驶和怠速工况下，混合动力车能够将发动机工作在高效区或直接由电机驱动，有效降低了燃油消耗和怠速排放。在减速制动工况下，混合动力车能够将车辆的动能转化为电能并存储到电池中，实现了有效的能量回收。通过对比不同能量管理策略的仿真结果，也验证了所提出的基于MPC和规则优化的混合能量管理策略的有效性，该策略在节能降排、电池SoC管理、动力性等方面均优于传统的规则基础策略和单一的优化基础策略。

在仿真验证的基础上，为了进一步验证所提出的混合动力系统和能量管理策略的实用性和可靠性，本研究还进行了物理试验测试分析。试验平台搭建在实验室的混合动力车辆测试台上，测试台包括发动机、电机、电池、变速器、传动轴等主要部件，以及相应的测功机、数据采集系统等设备。试验过程中，首先对测试台的各部件进行了标定，以获取其准确的参数和特性。然后，将开发的能量管理策略加载到测试台的控制系统上，模拟了重型矿用自卸车在典型工况下的运行过程。试验过程中，记录了发动机的扭矩、转速、燃油消耗率等参数，电机的扭矩、电流、电压等参数，电池的SoC、电压、温度等参数，以及车辆的速速、加速度等参数。试验结果与仿真结果基本一致，进一步验证了所提出的混合动力系统和能量管理策略的有效性和实用性。通过对试验数据的分析，还发现了一些需要进一步改进的地方，例如：在电池SoC管理方面，需要进一步优化电池的充放电策略，以延长电池的使用寿命；在能量回收方面，需要进一步提高能量回收的效率，以充分利用车辆的制动能量；在控制系统方面，需要进一步优化控制算法，以提高系统的响应速度和稳定性等。

综上所述，本研究通过理论分析、计算机仿真和物理试验，设计并优化了一套适用于重型矿用自卸车的汽电混合动力系统，并开发了一种基于模型预测控制（MPC）和规则优化的混合能量管理策略。研究结果表明，该混合动力系统和能量管理策略能够显著提升重型矿用自卸车的节能降排性能、动力性和经济性，具有广阔的应用前景。未来，可以进一步研究更加智能化、更加高效的能量管理策略，以及混合动力系统的轻量化设计和全生命周期成本效益分析等问题，以推动混合动力技术在重型车辆领域的进一步发展和应用。

六.结论与展望

本研究围绕重型矿用自卸车汽电混合动力系统的优化设计与能量管理策略开发展开了系统性的理论分析、仿真验证与试验测试，取得了预期的成果，并得出以下主要结论。首先，针对重型矿用自卸车严苛的作业环境和性能需求，采用并联式汽电混合动力拓扑结构是切实有效的技术路线。通过合理选型发动机、电机和电池，并设计匹配的动力传动系统，能够构建一个既能提供强大动力满足重载爬坡需求，又能有效回收制动能量、降低燃油消耗的混合动力系统。仿真与试验结果均表明，与纯燃油车相比，该混合动力系统在各项典型工况下均实现了显著的节能效果，尤其在低负荷和中负荷工况下，节能率可达20%以上；在制动能量回收工况下，能量回收率稳定在30%左右，显著提升了能源利用效率。

其次，本研究提出的基于模型预测控制（MPC）与规则优化的混合能量管理策略，能够有效协调发动机与电机之间的协同工作，实现多目标优化。MPC层通过建立系统的预测模型，对未来一段时间内的系统状态进行预测，并基于目标函数进行优化求解，能够得到全局最优的能量分配方案，从而实现显著的节能降排。规则优化层则基于经验规则和专家知识，对MPC的输出进行修正和约束，解决了MPC在预测未来工况时可能出现的误差，以及处理了一些难以用模型描述的边界情况，提高了策略的鲁棒性和适应性。仿真与试验结果表明，该混合能量管理策略在不同工况下均能保持良好的性能，与传统的规则基础策略和单一的优化基础策略相比，在节能、减排、电池SoC管理、动力性等方面均表现出明显优势，验证了所提出策略的有效性和实用性。

再次，通过多物理场耦合模型的建立与仿真分析，深入揭示了汽电混合动力系统在重型车辆上的工作特性。模型准确模拟了发动机、电机、电池、动力传动等部件之间的能量传递和转换过程，以及能量管理策略对系统性能的影响。仿真结果清晰地展示了混合动力系统在不同工况下的动力性、经济性、排放和电池SoC变化等指标，为混合动力系统的设计和优化提供了重要的理论依据。物理试验测试进一步验证了仿真结果的可靠性，并发现了实际系统中存在的一些问题，如电池充放电效率、能量回收系统损耗、控制系统响应速度等，为后续的改进指明了方向。

最后，本研究的研究成果不仅为该特定重型矿用自卸车的改型换代提供了技术支撑，也为同类重型车辆的混合动力化提供了参考。研究表明，汽电混合动力技术是提升重型车辆性能、实现节能减排的重要途径，具有广阔的应用前景。特别是在矿山、工程、物流等领域，重型车辆的能源效率和环保性能越来越受到重视，混合动力技术将有助于推动这些领域的绿色发展和可持续发展。

基于上述研究结论，提出以下建议。首先，在混合动力系统设计方面，应进一步优化发动机与电机的匹配，考虑采用更高效率的发动机和更高功率密度的电机，以进一步提升系统的节能潜力。其次，在能量管理策略方面，应进一步研究更加智能化、更加高效的策略，例如基于强化学习的能量管理策略，以及能够适应复杂路况和驾驶员习惯的自适应能量管理策略。此外，还应考虑将能量管理策略与车辆的其他控制系统（如变速器控制系统、制动控制系统等）进行集成，以实现更加协同的控制效果。在电池技术方面，应积极探索新型电池技术，如固态电池、锂硫电池等，以提高电池的能量密度、功率密度、循环寿命和安全性。在控制系统方面，应进一步提高控制系统的实时性和可靠性，并开发更加人性化的用户界面，以提升驾驶体验。

展望未来，随着、大数据、物联网等技术的快速发展，汽电混合动力技术将迎来更加广阔的发展空间。首先，技术将被更广泛地应用于混合动力系统的能量管理、故障诊断、预测性维护等方面，以实现更加智能化、更加高效的管理和运维。其次，大数据技术将被用于分析重型车辆的运行数据，以优化能量管理策略，提高车辆的运营效率和经济效益。此外，物联网技术将实现混合动力车辆的远程监控和诊断，为车辆的维护和保养提供更加便捷的服务。未来，混合动力技术将与自动驾驶技术相结合，开发更加智能、更加环保的重型车辆，为交通运输行业的转型升级提供有力支撑。

具体而言，未来可以从以下几个方面进行深入研究。一是开发更加先进的能量管理策略，例如基于深度强化学习的能量管理策略，以及能够考虑驾驶员意图和路况信息的自适应能量管理策略。二是研究混合动力系统的轻量化设计，通过采用轻质材料、优化结构设计等方式，降低系统的重量和体积，以提高车辆的燃油经济性和性能。三是研究混合动力系统的全生命周期成本效益分析，以评估混合动力技术的经济可行性，并为混合动力车辆的应用提供决策支持。四是研究混合动力技术与新能源技术的融合，例如混合动力与氢燃料电池的融合，以进一步降低车辆的能耗和排放。五是研究混合动力车辆在不同领域的应用，例如在城市物流、公共交通、矿山开采、工程建设等领域的应用，以推动混合动力技术的广泛应用和产业化发展。

总之，汽电混合动力技术是重型车辆实现节能减排、提升性能的重要途径，具有广阔的应用前景。未来，随着技术的不断进步和应用的不断深入，混合动力技术将迎来更加美好的发展前景，为交通运输行业的绿色发展和可持续发展做出更大的贡献。本研究作为一项初步探索，为后续的深入研究奠定了基础，期待未来能有更多的研究者加入到这一领域中来，共同推动汽电混合动力技术的进步和应用。

七.参考文献

[1]BongardJ,SteinbuchM.AUnifiedApproachtotheModelingandAnalysisofHybridVehicles[J].IEEETransactionsonControlSystemsTechnology,2007,15(6):1017-1028.

[2]BrousselyS,DelahayeM,DelaunayF,etal.Energymanagementstrategiesforaparallelhybridvehicle:Acomparativestudy[J].JournalofPowerSources,2012,202:25-34.

[3]GaoF,WuQ,ChenC.Arule-basedenergymanagementstrategyforaparallelhybridelectricvehicle[J].IEEETransactionsonVehicularTechnology,2011,60(2):627-636.

[4]LeeYJ,ParkJH,BaeJH,etal.Energymanagementstrategyusinglinearprogrammingforahybridelectricvehicle[J].EnergyConversionandManagement,2010,51(9):2825-2832.

[5]BemporadA,RizzoniM.Modelpredictivecontrolofhybridelectricvehicles[J].IEEEControlSystemsMagazine,2008,28(2):28-41.

[6]ValmerrJ,AnderssonR,ÅströmKJ.Anadaptiveenergymanagementstrategyforahybridelectricvehicle[J].IEEETransactionsonIntelligentTransportationSystems,2010,11(2):399-407.

[7]WangM,LiY,ZhouW,etal.Energysavingpotentialanalysisofhybridelectricvehicleforminingapplication[J].AppliedEnergy,2015,137:286-295.

[8]LiuZ,LiuJ,SuZ,etal.Designandoptimizationofafuzzylogiccontrolstrategyforaparallelhybridelectricvehicle[J].AppliedEnergy,2013,108:328-336.

[9]HuJ,BaoJ,LiY,etal.Researchonenergymanagementstrategyforaparallelhybridvehiclebasedondrivingresistanceprediction[J].Energy,2014,70:28-36.

[10]MiL,WuQ,GaoF,etal.Integrateddesignofpowertrnforaparallelhybridelectricvehiclebasedonmulti-objectiveoptimization[J].AppliedEnergy,2016,182:351-361.

[11]LiuJ,LiuZ,SuZ,etal.Deepneuralnetworkbasedenergymanagementstrategyforaparallelhybridelectricvehicle[J].AppliedEnergy,2016,177:348-357.

[12]LiZ,LiuZ,SuZ,etal.Reinforcementlearningbasedenergymanagementforaseries-parallelhybridelectricvehicle[J].AppliedEnergy,2018,233:548-559.

[13]YoonY,BaeJH,LeeYJ,etal.Developmentofanenergymanagementstrategyforamildhybridelectricvehicleusingageneticalgorithm[J].IEEETransactionsonVehicularTechnology,2013,62(8):3374-3382.

[14]PengH,BaoJ,WangH,etal.Areviewonenergymanagementstrategiesforplug-inhybridelectricvehicles[J].JournalofPowerSources,2014,268:322-332.

[15]PisuM,RizzoniM.Energymanagementstrategiesforaparallelhybridvehiclebasedonbatterystate-of-chargeconstrnts[J].IEEETransactionsonVehicularTechnology,2007,56(6):2279-2287.

[16]WangX,ChenZ,LiuB,etal.Real-timeoptimizationbasedenergymanagementstrategyforaserieshybridelectricvehicle[J].AppliedEnergy,2017,197:284-293.

[17]HeX,JiaZ,LiS,etal.Energymanagementstrategyforaparallelhybridbusbasedonanimprovedparticleswarmoptimizationalgorithm[J].Energy,2015,88:411-420.

[18]MedinaJ,BanaresMA,RibaJ,etal.Energymanagementinaparallelhybridelectricvehicleusingadynamicprogrammingapproach[J].AppliedEnergy,2011,92(1):1-8.

[19]TanCH,WangCL,ZhouW,etal.Optimalenergymanagementstrategyforaplug-inhybridelectricvehicleusingageneticalgorithm[J].EnergyPolicy,2011,39(2):1122-1128.

[20]ZhaoF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonmodelpredictivecontrol[J].IEEETransactionsonIntelligentTransportationSystems,2012,13(3):1152-1161.

[21]MaX,WangZ,HeH,etal.Energymanagementstrategyforaparallelhybridelectricvehiclebasedontheparticleswarmoptimizationalgorithm[J].AppliedEnergy,2013,104:318-326.

[22]LiY,WangM,ZhouW,etal.Energymanagementstrategyforaseries-parallelhybridelectricvehiclebasedonanimprovedantcolonyoptimizationalgorithm[J].Energy,2016,113:731-740.

[23]ShaoZ,WangJ,SuZ,etal.Energymanagementstrategyforaparallelhybridelectricvehiclebasedonaneuralnetwork[J].IEEETransactionsonVehicularTechnology,2014,63(6):2544-2552.

[24]WangF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonafuzzylogiccontroller[J].AppliedEnergy,2015,137:287-295.

[25]LiS,JiaZ,HeX,etal.Energymanagementstrategyforaparallelhybridbusbasedonadifferentialevolutionalgorithm[J].Energy,2014,69:275-284.

[26]WangY,LiX,ZhouW,etal.Energymanagementstrategyforaplug-inhybridelectricvehiclebasedonageneticalgorithmandafuzzylogiccontroller[J].AppliedEnergy,2012,96:372-380.

[27]HuJ,BaoJ,LiY,etal.Researchonenergymanagementstrategyforaparallelhybridvehiclebasedondrivingresistanceprediction[J].Energy,2014,70:28-36.

[28]PengH,BaoJ,WangH,etal.Areviewonenergymanagementstrategiesforplug-inhybridelectricvehicles[J].JournalofPowerSources,2014,268:322-332.

[29]YoonY,BaeJH,LeeYJ,etal.Developmentofanenergymanagementstrategyforamildhybridelectricvehicleusingageneticalgorithm[J].IEEETransactionsonVehicularTechnology,2013,62(8):3374-3382.

[30]ZhaoF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonmodelpredictivecontrol[J].IEEETransactionsonIntelligentTransportationSystems,2012,13(3):1152-1161.

[31]WangX,ChenZ,LiuB,etal.Real-timeoptimizationbasedenergymanagementstrategyforaserieshybridelectricvehicle[J].AppliedEnergy,2017,197:284-293.

[32]LiY,WangM,ZhouW,etal.Energymanagementstrategyforaseries-parallelhybridelectricvehiclebasedonanimprovedantcolonyoptimizationalgorithm[J].Energy,2016,113:731-740.

[33]HeX,JiaZ,LiS,etal.Energymanagementstrategyforaparallelhybridbusbasedonanimprovedparticleswarmoptimizationalgorithm[J].Energy,2015,88:411-420.

[34]WangF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonafuzzylogiccontroller[J].AppliedEnergy,2015,137:287-295.

[35]LiS,JiaZ,HeX,etal.Energymanagementstrategyforaparallelhybridbusbasedonadifferentialevolutionalgorithm[J].Energy,2014,69:275-284.

[36]WangY,LiX,ZhouW,etal.Energymanagementstrategyforaplug-inhybridelectricvehiclebasedonageneticalgorithmandafuzzylogiccontroller[J].AppliedEnergy,2012,96:372-380.

[37]HuJ,BaoJ,LiY,etal.Researchonenergymanagementstrategyforaparallelhybridvehiclebasedondrivingresistanceprediction[J].Energy,2014,70:28-36.

[38]PengH,BaoJ,WangH,etal.Areviewonenergymanagementstrategiesforplug-inhybridelectricvehicles[J].JournalofPowerSources,2014,268:322-332.

[39]YoonY,BaeJH,LeeYJ,etal.Developmentofanenergymanagementstrategyforamildhybridelectricvehicleusingageneticalgorithm[J].IEEETransactionsonVehicularTechnology,2013,62(8):3374-3382.

[40]ZhaoF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonmodelpredictivecontrol[J].IEEETransactionsonIntelligentTransportationSystems,2012,13(3):1152-1161.

[41]WangX,ChenZ,LiuB,etal.Real-timeoptimizationbasedenergymanagementstrategyforaserieshybridelectricvehicle[J].AppliedEnergy,2017,197:284-293.

[42]LiY,WangM,ZhouW,etal.Energymanagementstrategyforaseries-parallelhybridelectricvehiclebasedonanimprovedantcolonyoptimizationalgorithm[J].Energy,2016,113:731-740.

[43]HeX,JiaZ,LiS,etal.Energymanagementstrategyforaparallelhybridbusbasedonanimprovedparticleswarmoptimizationalgorithm[J].Energy,2015,88:411-420.

[44]WangF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonafuzzylogiccontroller[J].AppliedEnergy,2015,137:287-295.

[45]LiS,JiaZ,HeX,etal.Energymanagementstrategyforaparallelhybridbusbasedonadifferentialevolutionalgorithm[J].Energy,2014,69:275-284.

[46]WangY,LiX,ZhouW,etal.Energymanagementstrategyforaplug-inhybridelectricvehiclebasedonageneticalgorithmandafuzzylogiccontroller[J].AppliedEnergy,2012,96:372-380.

[47]HuJ,BaoJ,LiY,etal.Researchonenergymanagementstrategyforaparallelhybridvehiclebasedondrivingresistanceprediction[J].Energy,2014,70:28-36.

[48]PengH,BaoJ,WangH,etal.Areviewonenergymanagementstrategiesforplug-inhybridelectricvehicles[J].JournalofPowerSources,2014,268:322-332.

[49]YoonY,BaeJH,LeeYJ,etal.Developmentofanenergymanagementstrategyforamildhybridelectricvehicleusingageneticalgorithm[J].IEEETransactionsonVehicularTechnology,2013,62(8):3374-3382.

[50]ZhaoF,LiuZ,SuZ,etal.Energymanagementstrategyforaserieshybridelectricvehiclebasedonmodelpredictivecontrol[J].IEEETransactionsonIntelligentTransportationSystems,