1.一种汽车制动能量回收系统的工况识别与匹配控制方法，其特征是应用于包含可完成再生制动的电机、机械制动器以及储能设备的所有类型的汽车中，并按照如下步骤进行：步骤1、获取所述汽车t时刻下的速度vt，制动强度zt，加速度at+，减速度at‑，总需求制动力矩Tt，所处的道路坡度pt；

步骤2、完成t时刻下汽车行驶工况的识别；

步骤2.1、定义简单工况采样集为As，复杂工况采样集为Ac；

步骤2.2、定义截取时间片段为τ，截取周期为k，总截取次数为ka，初始化k＝1；

步骤2.3、以[τ(k‑1),τk]为运动学片段区间对所述简单工况采样集As和复杂工况采样集Ac分别进行截取、数据提取和标准化，得到简单工况采样集As中第k次截取周期的单一特征参数集ζsk＝[vsk,ask+,ask‑]和复杂工况采样集Ac中第k次截取周期的单一特征参数集ζck＝[vck,ack+,ack‑]；其中，vsk、ask+、ask‑分别为简单工况采样集中第k次截取周期的平均车速、平均加速度、平均减速度，vck、ack+、ack‑分别为复杂工况采样集中第k次截取周期的平均车速、平均加速度、平均减速度；

步骤2.4、利用式(1)得到所述第k次截取周期中简单工况平均特征参数集Bsk和复杂工况平均特征参数集Bck：

式(1)中， 其中， 分别为简单工况平均特征参数集中第k次截取周期的平均车速、平均加速度、平均减速度， 分别为复杂工况平均特征参数集中第k次截取周期的平均车速、平均加速度、平均减速度；

步骤2.5、判断所述截取周期k是否等于所述总截取次数ka，若是，则执行步骤2.6，否则，将k+1赋值给k后，返回步骤2.3；

步骤2.6、对t时刻下汽车速度vt、加速度at+以及减速度at‑标准化后，利用式(2)得到t时刻下汽车行驶工况与简单工况的欧氏距离lst和与复杂工况的欧氏距离lct；

式(2)中，v′t、a′t+、a′t‑分别为t时刻下标准化后的汽车速度、加速度、减速度；

步骤2.7、判断t时刻下汽车行驶的工况与简单工况的欧氏距离lst是否小于t时刻下汽车行驶的工况与复杂工况的欧氏距离lct，若是，则判定当前汽车行驶的工况为简单工况，并进入步骤3，否则判定当前汽车行驶的工况为复杂工况，并进入步骤4；

步骤3、完成t时刻下匹配简单工况的基于安全边界的全局最优控制；

步骤3.1、定义制动安全区域为x，当x＝1时，表示低强度制动阶段；当x＝2时，表示中强度制动阶段；当x＝3时，表示高强度制动阶段；当x＝4时，表示紧急制动阶段；

利用式(3)得出t时刻下汽车的制动安全区域x：式(3)中，α1至α7均为[‑1,0]之间的端点值；

步骤3.2、利用式(4)得到t时刻下汽车初始再生制动力矩T′rt的区间范围：式(4)中，β为[‑1,0]之间的系数；

步骤3.3、定义转速间隔区间大小为nq，转矩间隔区间大小为Tq，根据电机转矩特性公式，通过转速数组Ns＝[0,nq,…,nmax‑nq,nmax]以及转矩数组Ts＝[‑Tmax,‑Tmax+Tq,‑Tq,…,Tmax‑Tq,Tmax]计算得到电流数组Is；其中，nmax为电机峰值转速，Tmax为电机峰值转矩；

步骤3.4、将所述转速数组Ns、所述转矩数组Ts以及所述电流数组Is线性化得出电机的转矩特性三维曲线se；

步骤3.5、利用优化函数从转矩特性三维曲线se中找到在t时刻下汽车再生制动力矩T′rt区间范围内电机再生能量最大化的全局最优点，并得到所述全局最优点对应的再生制动力矩Trt，以完成基于安全边界的全局最优控制，并执行步骤5；

步骤4、完成t时刻下匹配复杂工况的基于神经网络的最优控制；

步骤4.1、搭建神经网络结构，并构建以车速、道路坡度、制动强度作为输入，以再生制动力矩作为输出的神经网络训练集；

步骤4.2、定义误差标准为δb，训练周期为i，初始化i＝1；

步骤4.3、采用训练函数、隐层传递函数以及输出层传递函数对所述神经网络进行训练，得到第i次训练周期下样本输出与期望输出的均方差δis；

步骤4.4、判断第i次训练周期下的均方差δis是否小于等于所述误差标准δb，若是，则表示得到再生制动力矩分配神经网络模型，执行步骤4.5，否则，将i+1赋值给i后，返回步骤

4.3；

步骤4.5、将所述t时刻下汽车速度vt，制动强度zt，道路坡度pt作为所述再生制动力矩分配神经网络模型的输入，并输出再生制动力矩Trt，以完成基于神经网络的最优控制，并执行步骤5；

步骤5、利用式(5)得到t时刻下机械制动力矩Tmt以完成汽车制动能量回收系统的工况识别与匹配控制：

Tmt＝Tt‑Trt   (5)。