混合动力汽车的控制策略的主要目标是使发动机在最佳效率区和排放区工作，其主要控制策略有恒温器模式、发动机跟踪器控制模式及基于规则型策略（前两者综合）。并联控制策略主要包括：静态逻辑门限值策略、瞬时优化控制策略、全局优化控制策略和模糊逻辑控制策略。其中后三个策略也适用于混联式的控制策略，另外混联式还有两种特有的控制策略：发动机恒定工作点策略和发动机最优工作曲线策略。下面主要对并联式和混联式混合动力汽车典型的控制策略进行分析。
3.1 静态逻辑门限值策略
该策略主要通过设置车速、动力电池的电池荷电状态（SOC）上下限及发动机工作转矩等一组门限参数，限定动力系统各部件的工作区域，并根据车辆实时参数及预先设定的规则调整动力系统各部件的工作状态，以提高车辆整体性能。这种策略的主要依据是工程经验，根据部件的稳态效率MAP图来确定如何进行发动机和电动机之间的动力分配。美国密西根大学Peng Huei等人将混合动力汽车控制分成三种模式，即正常行驶模式、充电模式及制动能量回馈模式。发动机稳态效率MAP图的划分，如图1 所示。
图 4 基于规则的功率管理策略中发动机稳态效率MAP图的划分
（1）正常行驶模式。从图4中可以看出，用“发动机工作最小功率”曲线和“电动机助力最小功率”曲线将发动机效率MAP图划分成三个区域，即：纯电动区域①、发动机驱动区域②及电动机辅助功率区域③。功率分配规则：
a.如果需求的驱动功率小于发动机工作的最小功率，则由电动机提供全部的驱动功率；
b.如果需求的驱动功率超过该限值，则由发动机取代电动机驱动车辆前进； c.如果需求的驱动功率大于电动机助力最小功率，则由电动机提供额外的驱动功率。在正常行驶模式下，发动机总是工作在“发动机工作最小功率”和“电动机助力最小功率”之间效率最高的区域。
（2）充电模式。对电池能量的管理采用了充电维持策略，即始终保持电池的SOC值位于最高效率区的上下限值之间（设定为55% ～ 60%）。当SOC值小于55% 时，应切换至充电模式（当且仅当SOC值大于60%时充电过程完成），并计算电池的充电功率，该功率同时也作为电动机的目标功率。发动机的目标功率为需求的驱动功率与充电功率之和。充电模式中存在一个特例：当发动机的目标功率小于发动机工作最小功率时，为避免发动机在效率极低的区域内工作，仍然依靠电动机提供驱动力。
（3）制动能量回馈模式。驾驶员踩下制动踏板，表明了驾驶员对负驱动功率的需求，应进入制动能量回馈模式，吸收混合动力汽车制动时的能量。然而，当制动能量超过可回馈的制动能量时，液压制动系统将提供剩余的制动能量。静态逻辑门限值策略主要依靠工程经验和实验，限定发动机的工作区域和工作方式，达到降低燃油消耗和排放的目的，方法比较简单直观，具有实用价值。但由于主要依靠工程经验设置门限参数，无法保证车辆燃油经济性最优，而且这些静态参数不能适应工况的动态变化，因此无法使整车系统达到最大效率。
3.2 瞬时优化控制策略
该控制策略是在发动机最优工作曲线模式的基础上，对混合动力汽车在特定工况点下整个动力系统的优化目标（如效率损失和名义油耗）进行优化，便可得到瞬时最优工作点，然后基于系统的瞬时最优工作点，对各个状态变量进行动态再分配。瞬时优化策略一般是采用“等效燃油消耗最少”法或“功率损失最小”法，二者原理类似。其中“等效燃油消耗最少”法将电机的等效油耗与发动机的实际油耗之和定义为名义油耗，将电机的能量消耗转换为等效的发动机油耗，得到一张类似于发动机万有特性图的电机等效油耗图。在某一个工况瞬时，从保证系统在每个工作时刻的名义油耗最小出发，确定电机的工作范围（用电机转矩表示），同时确定发动机的工作点，对每一对工作点计算发动机的实际燃油消耗，以及电机的等效燃油消耗，最后选名义油耗最小的点作为当前工作点，实现对发动机和电机输出转矩的合理控制。为了将排放一同考虑，该策略还可采
用多目标优化技术，采用一组权值来协调排放和燃油同时优化存在的矛盾。等效燃油消耗最小方法在每一步长内是最优的，但无法保证在整个运行区间内最优，而且需要大量的浮点运算和比较精确的车辆模型，计算量大，实现困难。瞬时控制策略应考虑以下四个方面问题：
1）汽车整车性能优化应考虑发动机、电机和蓄电池组的瞬态效率；
2）汽车实时最优控制应结合实际运行状态，如发动机等关键总成温度以及制动时能量回收量；
3）用户可自定义燃油经济性和排放目标；
4）任意一个给定速度下发动机的工作点，由控制器根据控制目标寻求发动机-电机最佳能量组合来决定发动机的最优工作点。根据对并联混合动力汽车动力性、经济性和排放性能的折中，建立实时控制的目标函数。
Min( f )=+++
++
式中：wi对应量的权系数，i=1～6，通过调整权重来改变各参数的影响程度。由优化理论可知，瞬时最小值之和并不等于和的最小值，因此瞬时优化模式并不能导致全局最优的控制策略。全局优化模式才能实现真正意义上的最优化。
3.3 全局优化控制策略
全局最优能量管理策略是应用最优化方法和最优控制理论开发出来的混合动力系统能量分配策略，目前主要有基于多目标数学规划方法的能量管理策略，基于古典变分法的能量管理策略和基于Bellman动态规划理论的能量管理策略三种。研究最为成熟的是基于Bellman动态规划理论的能量管理策略，该方法首先建立空间状态方程，然后计算在约束条件下满足性能指标的最优解。对于一般的控制对象，该方法通常按照时间顺序把一个过程分为若干段，把一个复杂的决策问题（包括连续变量和离散变量的取值序列）转化为一系列单段（某一时间段内）决策问题，然后从最后一段状态开始逆向递推到初始段状态为止，最后就可以求解出完整的最优策略（即输入控制量的最优值序列）。
当这个原理应用于混合动力汽车时，可假设系统发展用状态方程来描述，状态变量是SOC，每一节点代表每一时刻（横轴）对应的SOC值（纵轴），如图5所示。假设初始（t=0）SOC 是A，而终止SOC是E，连线上的数字代表了从一点到另一点的燃油消耗量。应用此原理可以得出最优的途径（从A到E）是：A → B′→ C″→ D → E。
图 5 贝尔曼（Bellman）动态规划全局优化原理
在实际混合动力系统的仿真优化中，Bellman过程这样来实现：首先通过离散SOC来建立Bellman过程的节点，SOC离散精度可以选择为1%，时间步长可以确定为1s。然后计算各SOC节点之间连线的权重，这个权重对应于实现SOC变化而需要的发动机油耗。只要那些从初始SOC节点可以到达或可以由此出发达到终点SOC的节点都要被考虑。在循环工况中计算各连线权重，保留最优解，实现电机和发动机的功率要求和传动比的全局最优化。仿真结果显示，在某种工况循环下，通常全局优化比瞬时优化降低油耗5%～20%。全局优化模式实现了真正意义上的最优化，但实现这种策略的算法往往都比较复杂，计算量也很大，在车辆的实时控制中很难得到应用。通常的作法是把应用全局优化算法得到的能量管理策略作为参考，以帮助总结和提炼出能用于在线控制的能量管理策略，如与逻辑门限策略等相结合，在保证可靠性和实际可能性的前提下进行优化控制。
3.4 模糊逻辑控制策略
该策略基于模糊控制方法来决策混合动力系统的工作模式和功率分配，将“专家”
的知识以规则的形式输入模糊控制器中，模糊控制器将车速、电池SOC和需求功率/转矩等输入量模糊化，基于设定的控制规则来完成决策，以实现对混合动力系统的合理控制，从而提高车辆整体性能。模糊逻辑控制策略目标与瞬时优化控制策略类似，但与瞬时控制策略相比，模糊逻辑控制策略具有鲁棒性好的优点。模糊逻辑控制策略用于电动汽车驱动系统的控制原理，如图6所示。在控制过程中，微机经中断采样获取电动汽车行驶工况值，然后将其量与给定值比较得到误差信号E（在此取单位反馈），再取E作为模糊控制器的一个输入量，把E的精确量转化为模糊量，E 量可用相应的模糊语言表示。至此，就得到了E的模糊语言集合的一个子集e（模糊向量），再由e和模糊控制规则R根据推理的合成规则进行模糊决策得到模糊控制量u:
μ=e0R
图 6 模糊逻辑控制原理图
为了对被控制的量施加精确的控制，还需要将模糊量μ转换为精确量。得到了精确的数字控制量后，经数模转换变为精确的模拟量送给执行机构，即电动机控制器，对驱动电机进行第一步控制，然后等待第二次采样，进行第二步控制，这样循环下去，就实现了对被控制对象的模糊控制，完成驱动控制的要求。基于模糊逻辑的策略可以表达难以精确定量表达的规则，方便地实现不同影响因素（功率需求、SOC和电机效率等）的折中，鲁棒性好。模糊逻辑控制增加了模糊决策因素和逻辑思维，是比较符合人的思维逻辑的控制算法之一，在混合动力汽车能量管理策略中应用是比较合适的。
四、混合动力汽车的发展前景研究
4.1混合动力汽车的市场应用
自1995年起，世界各大汽车生产商已将研究的重点转向了混合动力汽车的研究开