新能源汽车作为交通运输领域节能减排的重点，近年来的迅速发展导致其对锂、钴、镍、锰等电池材料的需求剧增。为评估相关资源的供应风险，基于Gompertz曲线模型和物质流分析的方法，对两种电池技术发展情景下中国2023—2050年新能源乘用车电池材料的需求进行了预测。结果显示，在磷酸铁锂电池路线（LFPR）下，2050年锂、钴、镍、锰的需求将分别达到238、169、362、158 千吨；在三元锂电池路线（NMCR）下，2050年锂、钴、镍、锰的需求将分别达到242、201、1 084、187 千吨。当前中国锂、钴、镍的产能将难以满足未来新能源汽车发展的需要。2050年的回收锂、回收钴和回收镍将至少能分别满足86.5%、93.5%和65.8%的新增需求。鉴于国内目前还缺乏有关废电池回收的全面法律法规，制定相关标准势在必行。

为提升锂离子电池组热安全性，提出了一种具有叶脉状仿生通道的液冷锂电池热管理结构。使用流体力学软件STAR-CCM+对模型的散热性能进行分析与优化，采用正交试验极差法，研究了冷却板通道数N、通道宽度W、入口流量Q等多参数耦合对电池最高温度T_max、平均温度T_avg、表面温差ΔT和冷却液压降Δp的影响。结果表明，N和Q是影响冷却性能的主要因素，W是次要因素，并且在N=12，W=8 mm，Q=25 g/s时冷板的综合性能最佳，优化后的叶脉状冷板比S型冷板的T_max低了1.32%，T_avg低了0.64%，Δp低了88.2%。

在试验验证单电池生热模型准确性的基础上，提出了一种耦合相变材料（PCM）的液冷系统热管理电池模组，采用数值模拟方法定量研究了冷道数量、流速、冷道布置、冷板厚度对电池组最高温度和温度均匀性的影响。结果表明，在4 C放电倍率、35 ℃时，3条冷道时改变冷却液的流速对电池模组的最高温度和最大温差影响最大，冷却液流速超过0.2 m/s，电池模组散热性能提升不再显著；在冷道数量相同的条件下，冷却液进出口交错分布的电池组间温度和轴向温度均匀性最好；在冷却流速和冷道数量相同的条件下，冷板厚度增大能同时降低电池模组的最高温度和最低温度，在冷道数量为3时，厚度到达8 mm之后对温度的影响不再显著。

剖析了两级活塞式定值输出氢气减压器的结构特点及其工作原理，基于静力学和气体动力学原理，建立高压两级活塞式氢气减压器压力输出特性及流量特性的理论计算模型，从理论上证明了两级结构减压器的输出压力较单级减压器具有更加稳定的输出特性。因为氢气分子粒径非常小，容易泄漏，活塞与壳体之间的动密封非常困难，提出了将动密封改为静密封的设计方案，为高压氢气减压器的开发提供指导。

针对纯电动公交车在信号交叉口高能耗的问题，提出了基于双延迟深度确定性策略梯度算法（TD3）的纯电动公交车信号交叉口生态驾驶优化方法。基于SUMO搭建仿真训练平台，综合考虑能耗、通行效率、舒适性和安全性，构建多目标优化的强化学习奖励函数；基于TD3深度学习框架，结合电动公交车在信号交叉口处的运行特征构建生态驾驶优化模型并进行参数训练；以信号交叉口经典通行策略GLOSA为基准方法，对提出的生态驾驶优化模型进行性能验证。结果表明，相较于GLOSA策略，提出的生态驾驶策略在信号交叉口4种典型场景下能耗分别降低了9.82%、26.13%、19.00%、14.51%，同时保证了车辆的安全、舒适和通行效率。

为减小电液复合制动系统制动模式切换时的整车冲击以及制动力波动，以前后双电机驱动电动汽车为研究对象，提出一种电液复合制动控制策略，包含轮缸压力跟随控制策略和电机补偿控制策略。轮缸压力跟随控制策略在液压制动介入时，利用H_{\mathrm{\infty }}鲁棒控制使液压制动系统能快速精确地控制制动力大小，保证制动系统的稳定性控制。电机补偿控制策略在液压制动与再生制动介入或撤出时，利用基于模糊PID的电机补偿控制策略减少复合制动系统因系统响应差异带来的冲击问题，提高制动舒适性。通过Simulink-AMESim-CarSim联合仿真平台进行仿真验证，结果表明，液压制动系统能快速精确跟随目标制动力，同时，制动力波动较无控制情况减小了90%，冲击度减小74%，显著提高了制动平顺性。

针对汽车在高速行驶时遇到突发性风雨环境导致车辆侧偏而引发的车辆横向稳定性问题，使用欧拉-拉格朗日方法对风雨环境下汽车外流场与雨滴分布进行数值模拟。研究不同侧风速度和降雨强度下的空气动力学特性，建立整车多体动力学模型并加载气动载荷，计算风雨环境下车辆的侧偏位移。研究结果表明，侧风速度一定时，降雨会导致背风侧拖曳涡及尾涡扩散区域增大，车身背风侧负压区域扩大，尾部气流速度降低，气动阻力及气动侧力也随之增大，路面附着条件的改变也会进一步降低车辆横向稳定性能。

泊车跟踪精度直接影响泊车效率、剩余泊车空间甚至泊车安全。当前，自动泊车路径跟踪绝大部分采用基于模型的反馈控制，模型参数的不确定性会导致泊车路径跟踪算法控制性能下降，进而产生较大的跟踪误差。为减小模型参数不确定性对泊车路径跟踪效果的影响，提出了基于迭代学习的前馈控制策略。考虑到在时间域对系统进行迭代学习控制通常受执行器实际速度的影响，所以控制时将系统由时间域转换到与期望路径相关的空间域。由于系统模型中的一些状态变量难以测量，且系统无法满足D型迭代学习率收敛条件，所以提出H_{\mathrm{\infty }}观测器设计准则以准确估计状态信息。同时，构造具有观测误差的增广系统以进行迭代学习控制，在线性二次型最优控制（LQR）的初次泊车跟踪信息基础上进一步减小泊车路径跟踪误差。进行硬件在环（HIL）测试，验证了该方法具有良好的实际应用潜力。试验结果表明，经过多次迭代后，与LQR初次控制的泊车跟踪效果相比，所提出的控制方法能更准确地跟踪期望路径。

为解决轮毂电机驱动车辆在复杂工况下轨迹跟踪精度低、横摆稳定性差的问题，提出一种协调控制方法。通过神经网络动态辨识以车辆质心侧偏角-质心侧偏角速度相平面划分的稳定域边界，并基于边界线特征值得出失稳因子；将该因子作为目标函数权重影响参数，构建轨迹跟踪MPC模型，输出前轮转角和四轮力矩控制量，同时，采用滑模控制方法防止车轮过度滑转。仿真表明，该轨迹跟踪控制策略与单目标MPC轨迹跟踪控制策略相比，在低附着路面车辆最大横向跟踪误差降低了61.7%，最大质心侧偏角降低了75.7%，车辆高速行驶时，运动状态均保持在稳定域范围内，实现了轨迹跟踪精度与车辆横摆稳定性能的综合提升。

针对全电驱动-制动电动汽车驱动系统的冗余优势，以装备新型分布式线控转向系统的电动汽车为研究对象，对转向电机失效后的转向助力及辅助回正特性进行研究。基于自适应模糊PID算法制定参考转向盘转矩跟踪控制的差动助力转向控制策略，基于PID算法制定转向盘角度跟踪控制的辅助回正控制策略，并使用自适应权重和学习因子的粒子群算法对PID参数进行优化，使回正控制策略在不同车速下可自适应调节辅助回正力矩。基于Matlab/Simulink/Simscape搭建整车八自由度模型、驾驶员模型、转向系统模型以及电机模型，对所研究对象的转向助力与辅助回正特性进行验证。结果表明，在阶跃、双纽线和正弦工况下，转向盘转矩可分别降低54.3%、48.7%和40.7%，可有效提高车辆在高速行驶时的路感，在撒手回正工况下差动力矩可有效辅助回正。

为解决传统主动回正控制中各车速下合适的回正转速难以确定的问题，提出了一种基于回正转速参考模型和滑模控制的线控转向系统主动回正控制方法。设计了基于时间窗的主动回正状态判断机制，根据轮胎回正力矩建立了回正转速参考模型，并基于此模型设计了主动回正滑模控制策略。硬件在环仿真试验结果表明，提出的主动回正状态判断机制能准确切换系统状态，回正转速参考模型真实性高，且滑模控制策略能有效保障转向盘对参考回正转速的跟踪效果。

齿条力是线控转向系统路感设计和转向跟随控制中的关键参数，但是由于其在量产车中难以被直接测量，因此，对其观测成为线控转向中的一个关键环节。采用两种方法观测齿条力，一种是基于车辆动力学的观测方法，采用龙伯格观测器观测车辆侧向速度，并结合轮胎刷子模型分析转向阻力矩；另一种是基于转向动力学的观测方法，通过建立转向执行机构动力学模型，并采用卡尔曼滤波实现对齿条力的直接观测。在此基础上，通过硬件在环台架试验比较两种方法的齿条力观测效果，提出基于多变量的规则式融合策略对两种方法进行优势互补。通过台架试验验证所提出的融合策略能在不同工况下有效提高齿条力观测的准确性和实时性。