本文档属于类型b，即一篇综述性科学论文。以下是对该文档的详细报告：
本文由Farzad Rajaei Salmasi撰写，作者隶属于德黑兰大学电气与计算机工程系。文章发表于2007年9月的《IEEE Transactions on Vehicular Technology》第56卷第5期。
本文的主题是混合动力电动汽车（Hybrid Electric Vehicles, HEVs）的控制策略。文章对现有的控制策略进行了分类和详细综述，讨论了每种方法的优缺点，并从不同角度对实时解决方案进行了定性比较。最后，文章提出了未来控制策略发展中需要解决的一些重要问题。
随着油价的上涨和环境保护意识的增强，汽车行业加速了混合动力和燃料电池汽车的研发。由于燃料电池汽车仍处于早期发展阶段，混合动力电动汽车（HEVs）目前是最经济可行的解决方案。混合动力系统由多种能源和功率转换器组成，主要挑战在于如何协调多个能源和转换器的工作，特别是在混合动力系统中，机械和电气路径的功率流控制需要适当的控制或能量管理策略。
文章将混合动力系统的控制策略分为两大类：基于规则的控制策略和基于优化的控制策略。基于规则的控制策略进一步分为确定性规则和模糊规则（Fuzzy Rule-Based, FRB）方法。基于优化的控制策略则包括全局优化和实时优化方法。
基于规则的控制策略主要依赖于启发式、直觉、人类经验和数学模型，通常不需要预先知道驾驶循环。确定性规则方法包括： - 恒温控制策略：通过开关发动机来维持电池的充电状态（State of Charge, SOC）。尽管简单，但无法在所有操作条件下满足车辆的动力需求。 - 功率跟随控制策略：发动机是主要动力源，电动机在需要时提供额外动力。该策略广泛应用于丰田普锐斯和本田Insight等车型。 - 改进的功率跟随策略：通过引入成本函数来优化能量使用和排放。 - 状态机策略：通过状态机决定车辆的操作模式，如发动机驱动、助力驱动、充电等。
模糊规则方法则利用模糊逻辑来处理混合动力系统的多域、非线性和时变特性。模糊规则方法具有鲁棒性和适应性，能够更好地处理不确定性和系统变化。
基于优化的控制策略通过最小化代表燃料消耗或排放的成本函数来计算功率转换器和齿轮比的最优参考值。全局优化方法包括线性规划、控制理论方法、动态规划、随机动态规划和遗传算法等。这些方法虽然能够找到全局最优解，但由于其计算复杂性和非实时性，通常用于设计和比较目的。
实时优化方法则通过定义瞬时成本函数来实现实时控制。等效燃料消耗最小化策略（Equivalent Consumption Minimization Strategy, ECMS）是一种常用的实时优化方法，通过将电池的等效燃料消耗纳入成本函数来实现实时优化。
文章指出，未来混合动力电动汽车的控制策略需要解决以下几个问题： 1. 能源的耐久性：设计控制策略时，应更多地考虑电池、燃料电池或超级电容器的耐久性。 2. 动力系统中的更多组件：随着动力系统中组件的增加，如超级电容器、集成启动发电机（ISA）等，需要开发新的功率分配系统。 3. 复杂结构：现有文献主要关注并联结构，未来需要开发适用于更复杂结构的控制策略。 4. 更多的控制目标：除了传统的燃料效率和充电维持目标外，还应考虑车辆的振动控制等其他目标。
本文通过对混合动力电动汽车控制策略的全面综述，为未来的改进奠定了基础，并为研究人员提供了比较现有方法的依据。文章不仅帮助研究人员选择正确的研究方向，还避免了重复已有的工作。此外，文章提出的未来趋势为混合动力电动汽车控制策略的进一步发展提供了重要的参考。
本文详细综述了混合动力电动汽车的控制策略，涵盖了从基于规则的确定性方法和模糊逻辑方法，到基于优化的全局和实时控制策略。文章不仅总结了现有方法的优缺点，还提出了未来研究的方向，具有重要的学术和应用价值。