汽车的出现深刻地改写了人们的出行方式,但随着数量的剧增,它给能源以及环境带来的危机日益突显。因此研究者们提出各种技术朝着“小马拉大车”的方向发展,即在减小发动机排量的同时增加其功率,以达到节能减排的目的,使得其热负荷越来越高。另一方面,传统冷却系统属于被动调节,难以满足复杂多变的实际工况。智能化一直以来都是发动机的重要发展方向,智能冷却系统更是解决上述问题的有效途径。故本文在传统冷却系统的基础上采用智能优化算法控制部件运行参数,以达到提升发动机效率、减少能耗的目的。本文采用试验与仿真相结的方法,利用试验数据搭建了仿真模型,并在此基础上进行了改造,开展了智能冷却系统控制策略的相关研究。主要的研究工作和结果如下:（1）根据整车以及发动机实验数据,基于GT-Suite平台建立了整车以及冷却系统仿真模型,并将仿真结果与实验数据进行了对比分析,验证了模型的精确性;（2）利用四种机器学习算法建立了水泵转速、风扇转速以及瞬时油耗的预测模型,并对预测结果进行了综合性评价,最终确定采用随机森林作为预测算法;（3）将瞬时油耗作为适应度函数,利用蚁群算法对水泵和风扇转速进行了寻优,同时利用模糊控制优化节温器开度;（4）将各优化模块与整车以及冷却液系统模型耦合起来,在NEDC循环工况下进行联合仿真。结果表明:冷却液温度达到80℃的时间缩短了14.1%;在高速高负荷阶段,冷却液温度最大振幅从原来的4℃降至了1℃;节温器对温度的变化非常灵敏,能快速调节开度,使得冷却液温度始终维持在86℃左右;整个NEDC循环,水泵能耗从58.4k W,减少至53.9k W,节约了7.7%;发动机累计油耗从836.9g减少至819.4g,节油率达2.1%。研究结果表明,经过本文控制策略优化后,不仅能提升冷却系统各方面的性能,还能降低发动机燃油消耗率和部件能耗,对改善整车性能和降低能耗有着重要意义。