为研究新型大流量计量阀的动态特性，建立了包含流量计量阀、高压油泵、共轨管、压力补偿器的数学模型，并通过AMESim仿真平台构建一维仿真模型。通过重复试验得到阀的流量与控制信号特性并对比仿真与实验数据，二者相对误差在1%以内，且阀重复精度与滞环指标均满足精度要求，验证了模型的准确性。通过实验设计研究阀的流量特性，仿真结果表明，节流阀弹簧刚度与流量呈显著负相关，弹簧刚度由20 N/mm增至80 N/mm时，流量由82.2 L/min线性衰减至12.1 L/min，同时系统响应时间缩短21.3%。阀块质量对流量波动的贡献率较低，质量在30-70g区间变化时流量波动幅度小于0.6%。在出口压力（0-5 bar）阶跃变化的工况下，压力补偿器通过稳定节流阀压差，确保流量仅由阀口开度控制，显著消除了传统阀流量受出口压力干扰的缺陷。该研究为高压共轨系统流量阀的关键参数优化提供了理论支撑。

降维因其在降低数据维度的同时保留关键信息的能力，已成为目前常用的数据预处理方法之一。为了构建精细化的修正系数从而提升混合动力汽车的NOx排放预测性能，提出了一种将基于字典学习的增量降维技术与SuperLearner回归相结合的系统方法，基于实际驾驶排放（Real Drive Emission，RDE）测试获取的多元变量数据预测NOx排放因子（EFNOx）修正系数。具体而言，首先使用t分布随机邻域嵌入（t-Distributed Stochastic Neighbor Embedding，t-SNE）降维技术对数据进行降维处理，提取关键特征参数，简化计算；随后，基于获得的t-SNE低维嵌入使用基于字典学习的增量降维方法，通过简单矩阵运算将增量数据高效映射至低维空间；同时利用t-SNE低维嵌入训练SuperLearner回归模型，用于预测EFNOx修正系数。最后，利用独立RDE数据集对所提出的方法进行性能验证。结果显示，参数K提升至1±0.05，R2提升至0.995，为快速增量降维与高精度修正系数预测奠定了基础。

点火室射流点火能有效加速燃烧并拓宽稀燃极限。通过整机实验研究了点火室被动射流点火（PJI：Passive Jet Ignition）与火花点火对甲醇稀燃发动机的影响。实验结果表明，在λ=1.0工况下，PJI可将滞燃期和燃烧持续期分别缩短16.1%和43.2%，放热速率峰值提升71.88%。PJI还将稀薄燃烧极限扩展至λ=1.6，COVCA10仅为3.25%，燃烧稳定性远超SI。在稀薄工况下，PJI使热效率提升11.88%，未燃损失大幅降低，CO和HC排放分别减少最高达57.14%和59.59%。尽管PJI在极端稀薄条件下传热损失和NOx排放略有增加，其在提升稀薄燃烧稳定性及污染物减排方面展现出优异潜力，适用于高效清洁的甲醇发动机应用。

高压共轨喷油器工作过程中，控制室节流孔处的压差生热作用于回油，导致回油存在明显的温升，而此处回油热效应作用于高速电磁阀后直接影响电磁阀电磁转换，进而对喷油器动态响应产生影响，因此研究高压共轨喷油器控制室回油的温升特性对喷油器动态响应的提升及准确评估及具有重要意义。本文在自行搭建的高压共轨喷油器温升试验装置上，采用PT100温度传感器，对喷油器控制室回油温升特性进行了试验研究。研究结果表明：控制室回油瞬态温升呈现先快速增加，而后增速变缓，最后达到稳定状态的变化规律；喷射压力越高、喷射脉宽越大，控制室回油的瞬态温升和稳态温升越大，且相比于喷射脉宽，喷射压力对温升的影响更大。

基于某搭载了深度米勒循环发动机的混合动力HEV车型在高温、高原环境中出现的发动机中低转速动力性衰减幅度超出预期及各样车动力性表现不同的问题，通过发动机台架测试与仿真分析计算的方法对该问题的主要影响因素做了深入研究，验证了高温、高原环境下双路脱附系统、正时相位对发动机中低转速区动力性的影响与敏感性，提出并验证了通过优化VVT策略、发动机同时采用进气和排气VVT技术、控制发动机正时相位的装配精度等方法可以实现在高温、高原环境下提升深度米勒循环发动机动力性及其一致性。

本文研究了多模式切换混联式混合动力客车的自适应等效油耗最小化策略(A-ECMS)及其改进方案。首先，构建了混联式客车的等效燃油消耗最小策略，以遗传优化算法优化结果作为初始值，构建基础A-ECMS策略。其次建立基于模式切换混联式混合动力客车的DP动态规划能量管理策略，并对A-ECMS策略进行改进，构建改进型SOC-AECMS策略以及S-AECMS策略。最分析了A-ECMS策略、SOC-AECMS、S-AECMS以及DP策略的发动机工作点分布及油耗水平。结果显示，基础A-ECMS具有较好的工况适应性，但是节油效果有限。而优化后的SOC-AECMS策略和S-AECMS策略均能有效提升燃油经济性，其A-ECMS策略、SOC-AECMS、S-AECMS节油效果分别能达到DP策略的83.1%、89.4%、91.6%。

合理的动力电池荷电状态（SOC）规划对于提高插电式混合动力汽车（PHEV）能量管理策略的性能非常重要。本研究提出了一种基于交通预测的SOC参考轨迹规划方法，基于历史交通信息，使用数据驱动的时空图卷积神经网络（STGCN）模型来预测道路网络的交通速度，在此基础上预测全局车速曲线。建立了面向动态规划（DP）的简化功率平衡模型，通过DP算法，利用预测的全局车速曲线规划SOC参考轨迹。最后，将所提出的SOC规划算法与自适应等效消耗最小化策略（A-ECMS）相结合，使用真实交通数据的仿真结果表明，与电量维持的参考SOC和线性变化的参考SOC相比，所提出的参考SOC规划方法分别节省了1.76%和2.27%的燃料消耗。

Electric drive system (EDS) is a key component of new energy vehicle powertrain. In recent years, the demand for new energy vehicle products in China has been increasing, and the EDS has been upgraded continuously, which poses a new challenge to the cooling and lubrication technology. Through extensive research on domestic and international EDS product information, the paper introduces EDS’s basic composition and configuration, and the cooling and lubrication integration needs brought about by the highly integrated design. The present situation of the cooling technology and lubrication technology, as well as the advantages and disadvantages of different cooling and lubrication methods and their application scenarios, are discussed respectively. Three representative integrated vehicle thermal management technologies are illustrated. Finally, the paper summarizes the current domestic electric drive products mostly use the scheme of drive motor water cooling, reducer splash, and pressure lubrication, and predicts the future trends of EDS to the unified oil cooling development, the wide application of electronic oil pumps and the whole vehicle thermal management technology upgrades, as well as the respective opportunities and challenges faced.

The electric drive system (EDS) is a crucial component of pure electric vehicles (PEVs). It directly affects the vehicle's dynamics, economy, reliability, and comfort, depending on whether the configuration is reasonable or not. This paper extensively researched EDS product information from both domestic and international sources within the new energy automobile industry. Based on its degree of integration, this paper introduced the typical configurations of centralized and distributed EDS for new energy passenger vehicles and commercial vehicles. The structural characteristics, advantages, and disadvantages of different configurations were analyzed. Finally, this paper summarizes the current development status of EDS configurations. It predicted the future trends of multi-in-1 and highly integrated EDS, multi-gear, and the wider application of in-wheel motor technology, as well as the opportunities and challenges they face.

由于氢燃料电池的环保特性，氢燃料电池汽车已经得到了推广示范运行，为了确保燃料电池汽车运行平稳，期望通过各种类别的传感器数据以及各种子系统控制量，预测燃料电池系统系统性能，达到提前预测的目的以避免燃料电池系统出现故障。本文选取氢燃料电池数字孪生性能仿真算法赛提供的数据，结合机器学习的方法，通过降低数据冗余度以期望对氢燃料电池全工况多模态系统性能均值进行预测，分析氢燃料电池各个变量与系统均值之间的动态变化，并分析氢燃料电池各个变量与系统性能均值U（电压）之间的变化。最终得到了均方根误差为0.0027759的预测模型，使用MRMR（Max-Relevance and Min-Redundancy）算法和ReliefF算法对特征重要性进行排序，找到了一种基于MRMR算法结合装袋法集成学习降低数据冗余度的性能预测方法，相比于传统PCA（Principal Component Analysis）特征降维的方法，基于MRMR算法的模型预测精度更高，在牺牲很少性能的基础上提高了模型预测速度同时降低数据存储量以及降低数据冗余度。最终将原始154维数据降低到92维，相比于PCA降维方法，预测准确度提升71%。