续驶里程短、电池成本高是现阶段制约纯电动汽车普及发展的重要因素,双能量源纯电动汽车通过增加额外的储能装置,可以进一步延长整车的续驶里程并提升动力性能表现。本文针对搭载磷酸铁锂电池组和超级电容作为复合储能系统的双能量源纯电动汽车,提出了一种基于深度模糊控制网络的能量管理策略,以优化磷酸铁锂电池组和超级电容二者之间的功率分配,从而提高复合储能系统的工作效率和安全性。本文研究的主要内容如下:首先,根据电动汽车常见动力电池的类型和试验特性,确定复合储能系统由磷酸铁锂电池组和超级电容构成,详细介绍了复合储能系统的串联、并联和混联形式以及各自的优缺点。根据DC/DC转换器的工作原理和设计要求,提出通过在超级电容支路增加DC/DC转换器的布置形式以实现对超级电容输出占比的控制。详细分析了纯电动汽车在行驶过程中需求功率的变化情况以及复合储能系统对应的四种工作模式,从而确定在能量管理策略中实现功率分配的控制主体为超级电容。提出复合储能系统的能量管理问题,建立功率分配的数学模型,进一步确定模型的优化目标、控制变量和约束条件。其次,在AVL Cruise和MATLAB Simulink环境中建立车辆模型和控制策略模型,对磷酸铁锂电池组、超级电容、DC/DC转换器和电机等关键部件进行详细的建模介绍和性能分析。对电脑操作系统环境变量和仿真软件进行预设置,详细介绍了实现AVL Cruise和MATLAB联合仿真的操作步骤。基于NEDC循环工况调试及验证整车模型的正确性,验证复合储能系统工作模式的合理性。将整车需求功率的分布划分成7个模糊区间,制定7个区间下的控制策略,并提出优先要实现的两个控制目标。采用Mamdani结构的模糊控制器,确定输入、输出变量以及论域、模糊子集,并根据模糊子集的耦合关系制定了175条模糊控制规则。然后,为了减少在模糊控制策略制定过程中受到的专家经验影响,本文提出了基于深度神经网络训练模糊规则的优化方法,将175条模糊控制规则通过区间归一化处理的方式,作为样本用于模型训练、验证和预测,并通过增加隐藏层的方式进一步提高模型训练的精度。通过对比莱文贝格—马夸特法、量化共轭梯度法和贝叶斯正则化法三种不同训练策略下9个神经网络模型的相关参数,确定最优训练模型,并通过模型搭建,在线编译DLL文件等步骤实现深度模糊控制网络(DFCN)控制策略的联合仿真。最后,基于NEDC、FTP75、HWFET和WLTC四种循环测试工况,比较DFCN与电量消耗(CD)控制策略在复合储能系统SOC变化、磷酸铁锂电池组输出电流和电机工作点效率分布三个方面的控制效果。仿真结果表明,DFCN控制策略能减缓SOC曲线的下降趋势,提高超级电容参与工作的占比系数;能有效限制磷酸铁锂电池组输出、涌入的峰值电流;能整体提高电机工作点的效率,提升中、高转速下制动能量回收工作点的工作效率。