汽车工业要迅速发展面临的两个重要问题是能源危机与环境污染,如何开发出既节能又环保的汽车,是我们国家可持续发展面临的巨大挑战。纯电动汽车虽然具备零排放和效率高等优点,在节能与环保方面的优势不容忽视,但是由于它仅使用蓄电池一种能量源为系统提供能量,汽车的续驶里程会受到限制。目前,续驶里程已成为纯电动汽车发展的瓶颈。储能元件超级电容的比功率大,适合大电流充放电；但是它的比能量小,不适合持续放电。若把蓄电池和超级电容结合起来构成双能量源系统,不仅能够满足电动汽车瞬时大功率的需求,还能够延长蓄电池的寿命,增加电动汽车的续驶里程,它已成为纯电动汽车发展的方向。因此,本文针对双能量源存储系统控制策略和双能量源纯电动汽车的续驶里程进行研究,具有广阔的应用前景和现实意义。双能量源纯电动汽车行驶工况复杂,其模型属于非线性模型,能量存储系统的控制策略常采用模糊控制的方法。由于此方法的局限性,控制效果并不理想。本文首次应用自适应模糊PI控制,通过在线调整PI控制器参数,达到理想的控制效果。电动汽车续驶里程通常采用神经网络进行预测,它具有较强的鲁棒性与容错性,对复杂的非线性系统具有很好的逼近能力。但是此方法容易产生局部极值和过拟合现象,本文将支持向量机引入到双能量源纯电动汽车模型中,并用粒子群算法对其参数进行优化,可以弥补神经网络的不足。本文具体的研究内容为：首先,在介绍双能量源纯电动汽车能量管理系统的基础上,分析电动汽车的动力性能和能量消耗问题,并详细地描述了几种典型工况。其次,在Matlab/Simulink环境下,根据电动汽车动力学理论建立电动汽车模型；在分析能量存储系统的结构和特点的基础上,对蓄电池和超级电容的重要参数进行实验,并根据实验结果建立蓄电池和超级电容模型；根据电机结构和工作原理,建立系统驱动电机模型；由于能量存储系统中,蓄电池和超级电容的电压不相等,为了平衡两者之间的电压,建立DC/DC变换器模型,并对其采用双闭环的控制方式。再次,对能量存储系统的能量分配策略进行分析,建立既能够充分利用储能元件的能量又能满足系统要求的能量分配策略。先建立以蓄电池SOC(state of charge)、超级电容SOC和需求功率为输入量,以蓄电池功率分配因子为输出量的模糊控制模型,制定模糊控制策略。然后提出自适应模糊PI控制策略,将汽车实际功率与给定功率相比较,得出偏差e。将偏差e和偏差的变化率△e作为模糊控制的输入量,输出量为比例系数Kp和积分系数Ki,通过对PI控制器参数的调节,适当调整偏差值。将模糊控制和自适应模糊PI控制两种方法在五种典型工况下进行仿真比较,结果表明,双能量源纯电动汽车的自适应模糊PI控制效果较好,经济性能更佳。最后,鉴于蓄电池和超级电容SOC是影响电动汽车续驶里程的重要因素,本文在对续驶里程进行理论分析的基础上,提出BP神经网络和支持向量机两种算法,对纯电动汽车续驶里程进行预测。先对样本数据进行处理,建立BP神经网络模型。通过验证该模型的正确性,对电动汽车续驶里程进行预测。预测结果表明,在五种典型工况下,自适应模糊PI控制与模糊控制相比,可以延长电动汽车的续驶里程,BP神经网络预测平均误差最大值为2.66%。鉴于神经网络泛化能力弱,学习速度慢等缺点,本文提出粒子群优化支持向量机算法预测电动汽车续驶里程。在使用支持向量机对样本数据进行训练时,为了得到支持向量机的精确模型,应用粒子群优化算法对支持向量机的参数惩罚因子C和核函数宽度系数g进行优化,从而减小预测误差。在五种典型工况下,将BP神经网络算法和粒子群优化支持向量机算法进行对比,结果表明,粒子群优化支持向量机算法相对误差较小,更适合电动汽车续驶里程预测。