插电式混合动力汽车技术的发展是解决当前环境污染、能源短缺的有效途径之一。本文以某插电式混合动力城市客车动力系统为研究对象,通过对结构参数与控制策略的协同优化,研究了发动机拖起工况存在瞬态扭矩过大、混合动力驱动模式转换瞬间传动系统噪声过高、整个循环工况燃油经济性提升等优化问题。提出了一种基于可靠性与稳健性分析的系统级、多目标不确定性优化方法,主要成果包括:(1)提出了基于结构、控制参数一体化的抑振优化法。构建了5自由度动力系统振动模型,对三级双质量飞轮的非线性刚度进行了公式推导。以扭转减振器的刚度参数和ISG电机扭矩控制参数为设计变量,以发动机转速、ISG电机、花键轴扭矩为约束条件,以发动机拖起工况中传动系统扭矩平均值为优化目标,构建了系统优化模型,并通过灵敏度分析和主效应分析对设计变量进行“降维”处理。结果表明,抑振优化方法在满足约束条件的前提下,传动系统的平均扭矩由1956Nm降低到1820Nm,花键轴处的最大扭矩由1496Nm降低到1283Nm。(2)提出了一种基于径向基神经网络模型的结构参数、控制策略协同优化的方法。针对插电式混合动力城市客车的燃油经济性指标、动力系统舒适性指标、发动机介入工况中的噪声指标进行了联合仿真优化分析。结果表明,这三个指标因主减速器减速比和混合动力驱动模式的速度阈值而相互耦合。通过对多目标优化求解出的帕累托前沿上选取一组的设计点可以在确保燃油经济性指标不降低、发动机介入工况噪声不超标的前提下,将动力系统振动舒适性提升22.5%。(3)针对混合动力汽车动力系统在系统级优化中存在的多变量、多目标、多工况、多耦合、跨尺度等问题,提出了基于径向基神经网络代理模型的并行子空间优化法和基于多目标优化的两级系统综合优化法,对比讨论了不同多学科优化设计方法的优缺点。结果表明,相比传统优化方法而言,基于径向基神经网络代理模型的并行子空间优化方法可以在保证优化效果理想的前提下,将收敛迭代步数由3500步减少到500步,并且可以求出多目标优化问题的帕累托前沿。(4)提出了将帕累托点集从稳健性维度进行优劣筛选的“升维筛选法”,对期望一阶二次法、一次/二次可靠度法进行了公式推导,并用蒙特卡洛算法对这三种算法在计算约束条件可靠度指标的准确性上进行了对比分析。对比发现,二次可靠度法的计算结果和蒙特卡洛算法最为接近,并由此总结出了一种多学科不确定性优化方法。将确定性优化、稳健性、可靠性分析相结合,解决了传统不确定性优化方法因计算量过大而难以在多学科系统级优化中应用这一难题,确保了插电式混合动力城市客车在典型不确定性因素影响下,通过改变不同设计变量的均方差即可使得约束条件达到6?指标的目的。(5)通过对插电式混合动力城市客车动力系统进行台架试验测试,获得了发动机拖起工况中发动机静态阻力、柴油压燃瞬态冲击扭矩、ISG电机控制扭矩输出的时域信号,为构建发动机拖起工况的振动模型提供了数据支撑。对动力系统ISG电机与扭转减振器之间的花键轴进行了优化前后扭矩的对比验证。验证结果表明,在发动机拖起工况中,优化后传动系统花键轴的最大扭矩由1442Nm下降到1139Nm,该数据和仿真优化求解出的1283Nm误差为13%,因此仿真优化结果偏保守。验证结果又表明,在发动机介入工况中,优化后的主减速器扭矩变化幅度更加平稳。