随着汽车工业的发展,机动车保有量的增加,能源问题和污染问题已经成为当今社会关注的主题,如何发展新能源和如何有效利用现有能源已经成为问题的关键。新能源汽车被认为是未来发展的方向,而混合动力汽车则是从燃油汽车向新能源汽车过渡的产品,在很长的一段时间内混合动力汽车都会是解决能源问题和污染问题的主要途径。开发基于混合动力的行驶工况和判别技术,是混合动力汽车开发的基础。更好的行驶工况判别技术,有利于开发出更优秀的能量管理策略,有利于提高汽车的燃油利用率,有利于减少污染物的排放,并且提高车辆的安全和舒适性。本文以开发高效混合动力汽车为目标,借鉴了先进的汽车行驶工况分析方法,采用多传感器信息融合技术进行数据采集和特征参数提取,构建了4种基本的行驶工况,应用BP神经网络技术和SOM自组织映射神经网络技术进行了行驶工况的判别,使车辆时刻监控自己所处的环境。本文首先在分析研究国内外行驶工况现状的基础上,对本市的行驶工况进行了试验规划,应用多传感器技术进行了数据采集,并进行了分析。将城市的行驶工况分成四类,分别是市内拥堵、市内畅通、郊区工况和高速工况。然后应用Kruskal-Wallis单因素方差分析方法和相关性分析方法,对行驶工况的参数特征进行分析,最终选取了平均车速、平均正加速度、油门踏板平均开度、平均档位和怠速时间比例5个特征参数,作为行驶工况判别的评价标准。最后,建立了BP神经网络工况判别模型和SOM自组织映射网络工况判别模型。将各类行驶工况的训练样本对网络模型进行训练,并利用测试样本数据进行神经网络模型的测试,经测试,这两个神经网络模型的判别准确率都达到了90%以上。