申爱玲，袁文华，左青松，伏军

(1.邵阳学院 机械与能源工程系，湖南 邵阳，422000；2.湖南大学 机械与运载工程学院，湖南 长沙，410082)

并联式混合动力汽车是指采用2种或2种以上能量源作为汽车动力装置的汽车，这种多个能量源的特征增加了系统设计的灵活性。在混合动力汽车整车能量管理系统的协调控制下，多个能量源与其他部件相互配合可以进行多种优化组合，形成不同的动力系统驱动模式。但是，由于存在多能量源系统，增加了并联式混合动力汽车对燃油消耗和尾气排放的控制难度。近年的研究表明[1-2]：在多种工作模式下，对多个能量源系统之间的功率与能量的优化匹配研究和有效提高汽车动力性能、降低汽车的燃油消耗、减少尾气排放成为目前混合动力汽车研究领域的热点与难点之一[3-5]。粒子群优化(Particle swarm optimization, PSO)算法是一种基于群体智能的随机优化算法[6-8]，其基本思想是通过种群中粒子间的合作与竞争产生的群体智能指导优化搜索，其原理和机制简单，既保持了进化算法深刻的群体智能背景，又具有良好的优化性能。该算法已广泛应用于函数优化、多目标规划、神经网络训练、模糊系统控制等领域。但传统的PSO算法在优化复杂函数时存在许多缺点，如局部搜索能力较弱、搜索精度不高、易陷入局部最优等。利用在有限区域内折叠次数无限的混沌模型来产生混沌变量，并采用自适应混沌模型改变优化变量的搜索空间，不断提高搜索……