1.一种基于路况识别的燃料电池与超级电容系统优化方法，其特征在于该方法具体是：步骤1、建立燃料电池与超级电容系统中被控对象的机理模型，具体是：

1.1首先根据燃料电池的实际过程，建立燃料电池的机理模型，传递函数形式如下：其中，Edcell(s)为输出电压拉氏变换形式，I(s)为当前输出电流拉氏变换形式，λe常数增益，τe整体流量延迟系数；mH2燃料电池反应中的总氢消耗， 为氢的分子量，AFC为每个单元活动区域的面积，F为法拉第常数，I为当前输出电流，Ncell单元活动区域的个数；

1.2具有功率负载的超级电容系统的模型，形式如下：

其中，SOC是超级电容的充电状态，v是终端电压，i是终端电流，P是终端功率，R是匹配的终端电阻，vc是超级电容端电压，vmax是超级电容允许的最大电压，C为超级电容的电容值；

1.3驾驶模式识别设计，多层感知器神经网络分类器提取的特征，形式如下：其中，hi为隐藏节点，nH隐藏节点个数，xj为输入节点特征向量，wij第i个输入节点和第j个隐藏节点的权重，wi0是i个输入节点的阈值，p为输入层节点数，exp()为表示指数；

1.4提高控制精度设计误差，形式如下：

其中，zk为第k个输出节点的输出z为其向量形式，wkj第j隐藏节点和第k个输出节点的权重，hj为第j个隐藏节，wk0是k个输出节点的阈值，ck为k分量二进制向量分类器，c为其向量形式，E为定义的误差，q为输出节点个数；

1.5利用梯度下降反向传播算法，最小化误差E，形式如下：Δc＝(z-c).*c.*(1-c)

Δh＝ΔcT*W2*hT.*(1-hT)

其中，Δc为实际二进制向量，Δh分类器输出，.*为矩阵点乘符号，T为转置符号，W2为设计的权重系数；

1.6为了提高速度，添加动量项到权重更新方程中：

wij(t)＝wij(t-1)-ηΔhixj+η[wij(t-1)-wij(t-2)]，i＝1,…,p；j＝1,…,nHwjk(t)＝wjk(t-1)-ηΔcjΔhk+η[wjk(t-1)-wjk(t-2)]，j＝1,…,nH；k＝1,…,q其中，wjk(t-1)和wjk(t-2)分别为t-1时刻和t-2时刻的第k个输出节点和第j隐藏节点的权重，η为(0,1)之间的学习率，Δcj为第j个实际二进制向量，Δhk第k个输出相关分类器输出，Δhi第i个输入相关分类器输出，wij(t-1)和wij(t-2)分别为t-1时刻和t-2时刻的第i个输入节点和第j个隐藏节点的权重，p输入节点数；

1.7隐藏层和输出层的阈值的更新可以如下获得，形式如下：wi0＝wi0-ηΔhi+η(wi0(t-1)-wi0(t-2))，i＝1,…,nHwk0＝wk0-ηΔci+η(wk0(t-1)-wk0(t-2)),k＝1,…,p其中，wk0(t-1)和wk0(t-2)分别为t-1时刻和t-2时刻第k个输出节点的阈值，wi0(t-1)和wi0(t-2)分别为t-1时刻和t-2时刻第i个输入节点的阈值；

步骤2、设计被控对象的批次过程控制器，具体是：

2.1为了在约束条件下跟踪参考值，并且在未知过程中保持期望的控制性能，选取被控对象的性能指标函数J，最小化性能指标函数J即可，形式如下：s.t.PFC+PSC＝Pdem

min max

SOC ≤SOC

vFC≥VFC

其中，ΔIj是燃料电池的当前方差，PFC是燃料电池的输出功率， 为PFC的最大值，Pdem为需求功率，iFC是燃料电池提供的电流， 为iFC的最大值，ΔPFC为燃料电池的功率变化，为ΔPFC的最大值，PSC为超级电容提供的功率， 和 分别PSC的最小值和最大值，iSC为超级电容提供的电流， 和 分别为iSC的最小值和最大值，SOCmin和SOCmax分别为最小充电状态值和最大充电状态值，vFC为燃料电池设定电压的最小值，ω为两个目标的权重系数；K是整个驱动行程中的样本数目，s.t.表示所受约束；

2.2使用先进控制算法求解性能指标函数，对能量管理控制器中的参数进行优化，过程如下，根据待优化问题进行参数编码：Ci＝[c1i,…cji,…,c20i]

＝[c1i,…,c13i,σ1i,σ2i,σ3i,k1i,k2i,k3i,k4i]其中，Ci为第i个染色体编码，i＝1,2,…,N，N为种群大小；Ci中元素cji选取方式如下：cji＝min+δ·(max-min)1≤j≤20

其中，δ是(0,1)之间的随机数；min和max分别为根据能量管理控制器设置的最小数和最大数；

2.3选择轮盘选择方法，根据目标函数的值来计算概率分布，形式如下：其中，fi＝1/Ji，Ji是具有第i个体的带约束的目标函数值；

2.4根据算法计算交叉算子，形式如下：

Ci'＝αCi+(1-α)Ci+1

Ci'+1＝αCi+1+(1-α)Ci

其中，α为(0,1)之间的随机数，Ci'和Ci'+1为第i和i+1个更新后的个体后代；若Ci中的元素cji发生变异，则根据步骤2.2中，生成新的元素cji；

2.5结合步骤1得到设计控制器的输出uf(k)，可以表述如下：Pf＝(uf(k)+k(i))Pdem，i＝1,…,nH其中，r1和r2分别为分配数， 为处理后的推理数， 为I1的隶属程度， 为I2的隶属程度，Pf为燃料电池输出功率，k(i)为驱动条件；

2.6在下一时刻，重复步骤2.2到2.5的方法，继续求解新的优化参数，得到最优燃料电池输出功率，并依次循环。