1.一种基于NSGA-II的插电式混合动力汽车动力传动系统参数多目标优化方法，包括以下步骤：步骤(1)、建立插电式混合动力汽车运行在CD阶段的百公里电耗函数通过设定电池SOC约束，使插电式混合动力汽车运行在CD阶段，并通过仿真获取插电式混合动力汽车运行在CD阶段的百公里电耗，其表达式如下：式中，

fele(X)为插电式混合动力汽车运行在CD阶段的百公里电耗，单位为kwh/100km；

X为待优化参数；

Pbat为电池功率，单位kw；

S1为车辆在CD阶段运行的里程数，单位km；

Nele为插电式混合动力汽车CD阶段百公里电耗仿真的总步数；

SOCCD(0)为插电式混合动力汽车CD阶段百公里电耗仿真第0步的SOC值，即电池的初始荷电状态；

SOCCD(i)为插电式混合动力汽车CD阶段百公里电耗仿真第i步的SOC值；

SOCCD(Nele)为插电式混合动力汽车CD阶段百公里电耗仿真第Nele步的SOC值；

SOCup为电池充满电时的SOC值；

SOClow为电池正常运行所允许的最低SOC值；

步骤(2)、建立插电式混合动力汽车运行在CS阶段的百公里油耗函数通过对电池SOC的初始值设定和对电池SOC值的最终值约束，使插电式混合动力汽车运行在CS阶段，并通过仿真获取插电式混合动力汽车运行在CS阶段的百公里油耗，其表达式如下：式中，

ffuel(X)为插电式混合动力汽车运行在CS阶段的百公里油耗，单位为L/100km；

为发动机瞬时燃油消耗量，单位为g/s，该值通过发动机输出转矩和转速查表获得；

S2为车辆在CS阶段运行的里程数，单位km；

ρ为汽油的密度；

Nfuel为插电式混合动力汽车CS阶段百公里油耗仿真的总步数；

SOCCS(0)为插电式混合动力汽车CS阶段百公里油耗仿真第0步的SOC值；

SOCCS(j)为插电式混合动力汽车CS阶段百公里油耗仿真第j步的SOC值；

SOCCS(Nfuel)为插电式混合动力汽车CS阶段百公里油耗仿真第Nfuel步的SOC值；

SOC0为整车运行在CS阶段的电池SOC初始值；

步骤(3)、建立插电式混合动力汽车运行在0-100km/h加速阶段的加速时间函数将车速在0至100km/h范围内按车速步长ΔV进行分段，每段近似为匀加速过程，则插电式混合动力汽车0-100km/h的加速时间可看成是各小段车速内加速时间的累积，0至100km/h的加速时间函数可表示为：式中，

facc(X)为车辆0-100km/h的加速时间；

Nacc为总的车速段数；

a(X,k)为第k段车速内的加速度，

步骤(4)、建立多目标优化数学模型

综合以上建立的插电式混合动力汽车运行在CD阶段的百公里电耗函数、运行在CS阶段百公里油耗函数和0-100km/h加速阶段的加速时间函数，得到插电式混合动力汽车动力传动系统参数多目标优化数学模型如下：式中，

X为决策向量；

Xj为决策变量；

a和b分别为每个决策变量的上下限；

Nemax、Nemin、Temax和Temin分别为发动机的转速上下限值和输出转矩上下限值；

Npm-max、Npm-min、Tpm-max和Tpm-min分别为第p个电机的转速上、下限值和输出转矩上、下限值；

Pb为电池输出功率；

Pchr_max和Pdis_max分别为电池的最大充电功率和最大放电功率；

步骤(5)、基于NSGA-II算法对步骤(4)建立的多目标优化数学模型进行求解采用基于NSGA-II算法对插电式混合动力汽车动力传动系统参数多目标优化进行求解，具体步骤如下：

5.1)初始化，设置插电式混合动力汽车仿真模型参数，并设置与NSGA-II算法相关的参数；

5.2)根据插电式混合动力汽车构型选定待优化参数，优化者根据需求从待优化参数中确定变量及个数，之后将所确定的变量随机初始化种群，随机生成规模为N的初始种群P0；

5.3)然后通过设置不同的SOC约束和行驶工况，使车辆分别运行在CD阶段、CS阶段和0-

100km/h的加速阶段，并计算车辆在不同运行阶段的目标函数值fele、ffuel和facc；

5.4)在求得fele、ffuel和facc的基础上，通过NSGA-II算法中的快速非支配排序和拥挤度计算得到每个个体的层级和拥挤度；

5.5)选择层级小拥挤度大的个体进入交配池，再经过NSGA-II算法中的交叉、变异后产生子代；

5.6)将步骤5.5)获得的子代和父代合并成统一的种群，通过NSGA-II算法中的精英策略产生新一代种群，累计进化代数；

若累计进化代数大于终止进化代数，则输出Pareto最优解集；

若累计进化代数小于或等于终止进化代数，则继续并循环执行步骤5.4)-步骤5.6)，直至满足终止条件。

2.如权利要求1所述基于NSGA-II的插电式混合动力汽车动力传动系统参数多目标优化方法，其特征在于，步骤(3)中，a(X,k)通过下式计算：式中，

Ttire(X,k)是车轮处驱动转矩；

R是车轮半径；

Fdrag(X,k)是车辆滚动阻力、坡道阻力和空气阻力之和；

m为整车质量；

a为坡度；

f为滚动阻力系数；

Cd为风阻系数；

A为迎风面积；

δ为转动惯量换算系数。

3.如权利要求1所述基于NSGA-II的插电式混合动力汽车动力传动系统参数多目标优化方法，其特征在于，步骤(5.1)中，所述仿真模型参数包括整车参数，比如轮胎半径、轮胎滚动阻力系数、迎风面积、空气阻力系数和电池容量。

4.如权利要求1所述基于NSGA-II的插电式混合动力汽车动力传动系统参数多目标优化方法，其特征在于，步骤(5.2)中，所述待优化参数包括动力传动系统部件参数，所述动力传动系统部件参数包括发动机最大功率、电机最大功率、变速器速比和减速器速比，优化者根据需求从待优化参数中确定t个待优化参数，t为确定的变量个数。

5.如权利要求1所述基于NSGA-II的插电式混合动力汽车动力传动系统参数多目标优化方法，其特征在于，步骤(5.5)中所述层级小拥挤度大的个体为，步骤(5.4)中得到个体的层级和拥挤度，如果两个个体的层级不同时，选择层级较小的个体；如果两个个体在同一层级，选择拥挤度较大的个体，所选的个体即为层级小拥挤度大的个体。

6.如权利要求1所述基于NSGA-II的插电式混合动力汽车动力传动系统参数多目标优化方法，其特征在于，步骤(5.6)中，所述Pareto最优解集是，通过对步骤(5.6)获得的NSGA-II算法中的精英策略产生的新一代种群进行NSGA-II算法中的快速非支配排序，计算得到每个个体的层级，再将其中层级为第一层级的个体组成Pareto最优解集。