燃料电池电动客车由燃料电池作为主动力源，直接将氢化学能转变为电能，并与来自蓄电池、超级电容器、飞轮储能器等辅助能量源的电能共同驱动客车。它克服了纯电动客车车续驶里程短的缺陷，又具有能量转化效率高、污染排放少等传统柴油客车不具备的优点，同时仍然保持了良好的加速爬坡性能和长途行驶能力，因此其开发受到了各国政府、企业和科研院所的极大重视。在燃料电池电动客车的研发热潮中，整车的多能源管理系统尤为受到人们的关注，它负责根据不同的行驶工况安排不同的功率分配策略，这也是本文研究的核心所在。 基于这个核心，本文以扬子江公交客车为原型，在该车基础上配置燃料电池十蓄电池组十飞轮储能器的多能源动力系统，并根据这一动力布置结构进行动力总成选型和参数匹配，对驱动电动机、燃料电池发动机、蓄电池组、飞轮储能器和DC/DC变换器进行了原理分析和参数选择。在确定了动力总成参数之后，文章对电动客车的各种驱动模式进行了分析，并探讨了相应的功率分配控制策略。目前燃料电池电动客车的控制策略有很多，比如基于蓄电池SOC的功率分配算法、基于电流控制的能量管理策略，基于瞬时优化的能量管理策略等，本课题采用的是基于SOC和需求功率的模糊控制策略。通过后向仿真软件ADVISOR建立燃料电池客车的仿真模型，并将基于客车的模糊控制器嵌入ADVISOR控制策略库中，本文进行了模糊逻辑控制策略和传统逻辑门限值控制策略的对比仿真，结果表明模糊控制策略在燃料电池客车多能源能量管理上具有更好的控制效果，即：整车的燃油经济性和动力性都有所提升，辅助能量源的SOC变化、工作电流、输出功率更为平稳，燃料电池的转矩输出更为稳定、工作效率更高。 燃料电池电动客车控制策略的优化也是一个日益受到普遍关注的课题。目前的优化策略层出不穷，比如神经网络、遗传算法等。本课题对等价结构神经网络对模糊控制策略的优化进行了探讨，主要是对该神经网络的实现，包括隶属函数的实现和网络模型的训练进行了阐述，并尝试研究了燃料电池客车模糊控制策略利用神经网络进行优化的方法步骤。