当前人类正处在信息技术与可再生能源相交汇的历史时刻,一场可再生能源替代化石能源主导地位的能源革命暗流汹涌。氢能作为洁净的二次能源载体是未来能源变革的重要组成部分,燃料电池是氢能最主要应用场景之一。近年来,以质子交换膜燃料电池为动力源的电动汽车因其具有清洁高效、续航里程长、加注快速等优点得到了广泛的研究,然而质子交换膜燃料电池的成本和耐久性是阻碍其商业化进程的主要因素。众多研究表明车辆运行过程中频繁变化的工况是车用燃料电池寿命衰减的主要原因,材料的创新、控制策略的优化两头并进是解决该问题的有效方法。在燃料电池汽车中加入诸如电池、超级电容等辅助能源系统,一方面能够缓解动态工况对燃料电池的压力,另一方面还能吸收车辆制动过程的能量,因而能够提高燃料电池汽车的耐久性与经济性。由于燃料电池混合动力汽车具有多个动力源,研究的重点在于能量管理策略的设计。本论文主要工作与贡献如下:1)针对燃料电池系统行为描述问题,从控制的角度建立了燃料电池系统的简化模型。该简化集中于空气侧模型的建立,主要依赖于两点假设:阴极和阳极中气体均被充分加湿,且不考虑水淹现象;阳极侧压力等于阴极侧压力。简化模型使得燃料电池内部控制器的设计变得简单,并在保证模型精度的基础上缩短了仿真时间。在动态电流工况下对简化模型进行了验证,当燃料电池系统取得良好控制时,说明了用其静态输出曲线代表燃料电池动态系统在能量管理问题中的合理性。2)针对燃料电池混合动力汽车能量管理问题,建立了能量优化问题的数学描述,并引入庞德里亚金极小值原理来解决该优化问题。为了说明一定条件下的极小值原理具有全局最优性,设计了动态规划算法与其进行了比较分析。考虑到燃料电池的耐久性,引入了燃料电池输出功率变化率限制,并分析了连续形式与不连续形式的代价函数对燃料电池输出功率分配的影响。3)针对极小值原理的在线应用问题,提出了一种极小值原理结合速度预测的自适应能量管理策略,其自适应性体现在协态变量的更新。为了提高速度预测精度,在考虑现有速度预测技术的基础上提出了一种基于“分类+预测”的马尔可夫链速度预测器,并在不同驾驶模式下验证了所提方法的有效性。对于驾驶模式识别,研究了支持向量机在驾驶模式识别中的应用,并采用了粒子群优化算法对其进行优化。