随着传统汽车因燃烧化石燃料而引起的能源危机和环境污染问题日渐严峻,人们不得不将目光转向清洁高效的电动汽车。但是,受当前电池能量密度、充电速度等技术限制,由传统汽车向纯电动汽车的转变并不是一蹴而就的,而混合动力汽车作为传统汽车向电动汽车转换的过渡,成为了当前时期节能减排的最佳选择。混合动力汽车优异的节能减排效果得益于传统内燃机与电机相得益彰的配合,而实现这种配合主要依靠能量管理策略对各动力源进行合理的转矩分配。因此,对能量管理策略进行研究并开发出行之有效的控制器,对于提高混合动力汽车节能减排效果具有非常重要的作用。此外,由于目前车辆主要依靠人为操作驾驶,在车辆行驶过程中驾驶员的主观意识会影响驾驶员对汽车的操作,从而对能量管理策略产生影响。基于上述分析,设计开发出符合驾驶员意图的能量管理策略对混合动力汽车的发展具有十分重要的现实意义。本文以并联式混合动力汽车作为研究对象,以燃油经济性为优化目标,对基于驾驶意图识别的能量管理策略进行研究,主要工作内容如下:（1）以某并联混合动力汽车作为研究对象,分析其结构特点和能量流动,以燃油经济性为优化目标,忽略整车横向和垂向的动力学特性,建立包括发动机、电机、动力电池、离合器、变速器等主要部件前向仿真模型及整车纵向动力学模型。其中,驾驶员模型是以PID控制器为基础,以实际车速与目标车速的偏差作为输入,利用PID调节对车速进行跟随,输出踏板命令,模拟真实的驾驶情况。整车前向仿真模型的建立,为后续开发基于驾驶意图识别的控制策略提供模型基础。（2）为准确识别驾驶意图,提出采用云模型算法识别驾驶意图。驾驶意图是用自然语言表示的定性概念,传统模糊理论识别方法只考虑驾驶意图的模糊性,忽略驾驶员根据随机路况产生的驾驶意图的随机性。在分析云模型算法后,证明云模型算法相比于模糊理论更适合驾驶意图的识别。因此,对工况库聚类获得典型工况并基于已建立的前向仿真模型中运行,获取诸多行驶仿真数据;综合已有的研究,选择合适的驾驶意图识别参数参数并对其进行聚类,得到典型工况下的实时意图;以实时意图与对应的识别参数作为云模型的样本参数,建立起驾驶意图云模型识别系统。（3）为建立符合驾驶意图的优化控制策略,提出基于驾驶意图识别的自适应等效燃油消耗最低控制策略（Adaptive-Equivalent Consumption Minimum Strategy,A-ECMS）。驾驶意图识别作为一种模式识别方式,可用实时查表匹配的方式自适应调节等效因子;考虑到等效因子的实质为平均油电转化效率,采用加权平均的方法求取各意图对应的等效因子,建立等效因子查询表;同时,采用惩罚函数修正匹配的等效因子,以保证SOC不超过容许极限。（4）为验证所提出的基于驾驶意图识别的A-ECMS,在不同工况下对其进行仿真分析并分别与ECMS策略和基于SOC反馈的A-ECMS进行对比。结果表明,在NEDC工况下,相比于基于SOC反馈的A-ECMS策略,基于驾驶意图识别的A-ECMS燃油经济性提高了1.3%且SOC波动频率也有所减少;在组合工况下,基于驾驶意图识别的A-ECMS取得了和离线寻优的ECMS近似的燃油经济性控制效果且SOC偏差明显减少,证明了所提出策略的有效性。