插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)兼顾纯电动汽车和普通混合动力汽车的优点,是减少能源消耗、减少污染气体排放的有效途径,也是内燃机车辆向纯电动车辆转型的重要过渡产品。能量管理策略是影响其节能效果的主要因素,其决定了两个动力源之间如何能更好的协调工作,最大程度的发挥混合动力汽车的优势。传统的混合动力汽车采用基于规则的能量管理策略,不能根据当前工况以及实时获取的信息作出最优的决策。而基于优化方法的能量管理策略,可以很好的解决这一问题。本文建立了以GT-Suite和MATLAB/simulink联合仿真平台,搭建了插电式混合动力汽车整车模型,实现了基于规则的CDCS控制策略。应用动态规划算法计算了对应工况的全局最优解,并分析了不同网格离散程度对结果和计算时长的影响。将动态规划运用在模型预测控制框架中,通过确定SOC的可达区域减小计算量,并分析了不同预测区间长度对当前一步结果的影响。通过将发动机瞬时油耗和电池SOC关于转矩和转速的多项式拟合,建立在预测区间内线性约束的优化问题,使得计算时间减小,大大提高算法实时性。根据车辆实际行驶时行驶距离已知和未知两种情况,分析使用了两种SOC的约束方式,使得电池的SOC值可以较为合理的变化。为了建立更加符合实际驾驶员的车速预测模型,采用车载诊断设备读取了某实际驾驶员的包括高速、乡村、市区的实际驾驶信息作为预测模型的训练样本与测试样本。采用神经网络模型进行车速预测模型,探究了预测模型准确程度与输入时长关系,同时对比分析了预测准确度与输入变量的关系。分别构建了基于BP神经网络和RBF神经网络的车速预测模型,根据经验公式选取了关键参数并使用粒子群算法优化了神经网络初值,预测结果比以等时长车速输入的预测方法有一定提升。通过在一系列标准工况下的仿真,对比分析了各类控制策略在高SOC状态和SOC保持状态下的仿真结果。结果证明作者使用的方法在提高燃油经济型和提高算法实时性上是有效的。最后,通过对比不同的车速预测方法下的仿真结果,分析了预测结果准确度对实际油耗的影响,说明了精确车速预测模型的必要性。