汽车工业的发展为人们出行提供极大便利,对社会发展起到巨大的推动作用,但随着燃油车辆的普及,其尾气对环境产生了严重污染,为了应对环境污染和能源危机,世界各国开始重视新能源汽车的发展。作为新能源汽车之一的纯电动汽车行驶过程中不产生污染气体,这一优点使得纯电动汽车成为重点发展车型。纯电动汽车在制动过程中可以回收制动能量,这有效缓解纯电动汽车续驶里程短的缺陷,为了保证电动汽车制动安全性和驱动稳定性并具备再生制动功能,需要对电动汽车的驱制动控制策略进行深入研究。本文依托国家新能源汽车重点研发计划项目,进行了纯电动汽车驱制动控制策略研究的相关工作,具体内容如下:首先,选定纯电动汽车动力系统布置形式,根据某实例纯电动汽车整车参数和性能指标对动力系统主要部件进行了选型与参数匹配。接着,采用基于最优滑动率的纯电动汽车驱制动控制策略,根据Burckhardt轮胎模型拟合出的几种常见标准路面,设计了一种基于RBF神经网络的路面识别方法,以在线识别出当前路面的最优滑动率与峰值附着系数。然后,设计了电动汽车驱制动控制策略。在制动工况,采用模糊控制方法进行制动防抱死控制,以滑动率误差及误差变化率为两个输入,制动力矩调整参数为输出,同时制定了考虑再生制动的制动力矩分配策略,并在advisor仿真软件中通过几种典型工况验证了力矩分配策略的合理性;在驱动工况中采用基于幂次趋近律的滑模控制方法进行驱动力矩控制,切换函数为滑动率误差,并用通过一种连续函数替换符号函数的方法减小系统抖振。最后,基于Carsim与simulink仿真平台建立电动汽车驱制动控制策略联合仿真模型;采用遗传优化算法对模糊控制器量化因子和滑模控制器幂次趋近律参数进行全局寻优;最后设置不同路面对设计的基于最优滑动率的电动汽车驱制动控制策略进行仿真验证。仿真结果表明:基于RBF神经网络的路面识别方法可以在线识别出路面的最优滑动率;电动汽车驱制动控制效果良好,说明设计的基于最优滑动率的电动汽车驱制动控制策略是合理有效的;参数优化后的控制效果进一步提升,表明通过遗传算法进行参数寻优是可行的。