选择性催化还原（Selective Catalytic Reduction,SCR）后处理技术被认为是进一步降低车用柴油发动机NOx排放的必要技术路线之一。然而,SCR催化器转化效率对温度十分敏感,尤其是插电式柴电混合动力汽车多工作模式切换过程中发动机频繁启停导致的发动机排气温度波动较大,从而导致SCR催化器效率降低和排放性能恶化。因此制定的整车能量管理优化控制策略,在保证燃油经济性的条件下能够有效降低NOx排放,实现发动机油耗及后处理系统综合优化控制具有十分重要的意义。本文以某P2构型插电式柴电混合动力汽车为研究对象,以整车油耗和SCR催化器出口NOx排放为优化目标,对插电式柴电混合动力汽车多目标优化控制策略进行了深入研究,完成的主要工作如下:（1）通过对插电式柴电混合动力汽车整车系统架构的详细分析,建立了基于Matlab/Simulink的整车动力学仿真模型,主要包括发动机模型、电机模型、电池模型、SCR催化器反应温度模型、传动系统模型、驾驶员模型和车辆纵向动力学模型,以此作为控制策略仿真分析及整车控制器硬件在环测试的理论基础;（2）基于极小值原理将插电式柴电混合动力汽车的能量管理问题转化为带约束优化问题,以燃油消耗量和SCR出口NOx排放量加权和为目标函数,提出了基于极小值原理的多目标优化控制策略,通过引入电池充放电等效因子和SCR温度变化率权重因子,确保最大化电池能量使用并实现SCR快速起燃。结果表明,基于极小值原理的多目标优化控制策略相较于规则策略其油耗和排放显著降低;（3）将深度强化学习应用于插电式柴电混合汽车的控制策略问题中,提出了基于深度Q-Learning算法和基于深度确定性策略梯度算法的多目标优化控制策略,利用深度神经网络拟合车辆环境状态和最优控制动作之间的非线性关系,实现了以需求功率、SOC和SCR温度为状态变量,以电机最优功率为输出变量的端对端决策控制。结果表明,基于深度强化学习算法的多目标优化控制策略在离线场景下均能取得良好节油和排放性能;（4）基于d SPACE/Autobox实时仿真系统和以MC9S12XS128 MCU开发的整车控制器搭建硬件在环测试平台,对本文设计的整车控制器软件功能进行基本功能测试。试验结果表明,整车控制器应用层不同状态切换逻辑满足设计需求,在正常行车状态下的转矩分配策略与仿真结果基本一致,验证了所提出控制策略的有效性及在嵌入式系统中应用的可行性。