进入21世纪以来,全球的能源危机和环境污染问题日趋严重。并联混合动力汽车因具有节能且低排放的优良性能,其对缓解能源压力和改善环境质量具有非常重要的意义。能量控制策略作为并联混合动力汽车研究的关键技术,是影响汽车性能的重要因素,在保证汽车动力性的前提下,优化并联混合动力汽车能量控制策略是解决节能减排问题的根本途径。论文以并联混合动力汽车能量控制系统为研究对象,针对发动机和电机转矩动态优化分配问题进行研究,建立发动机、电机、蓄电池、车轮、传动系和车辆动力学数学模型。因能量控制系统具备动态非线性特点,论文将模糊神经网络算法应用于并联混合动力汽车能量控制系统中,实现了发动机和电机转矩的动态优化分配。在模糊神经网络能量控制策略中,利用神经网络自主学习能力,自动生成模糊规则和隶属函数,并不断优化隶属函数的参数,达到最优的控制效果。为了提高系统精度,加快收敛速度,论文采用动态调整步长补偿梯度下降算法对能量控制策略进行优化。以丰田普锐斯轿车动力系统参数为例,利用ADVISOR2002汽车仿真软件,采用后向仿真的方法,搭建了完整的并联混合动力汽车能量控制系统仿真模型,在典型的NEDC循环工况下进行仿真,通过与模糊逻辑能量控制策略仿真结果进行对比,得出结论,采用补偿模糊神经网络能量控制策略,能够同时保证发动机和电机工作在高效区域,实现了降低燃油消耗的目的。论文对补偿模糊神经网络能量控制策略的研究实现了节能减排的控制目标,对我国自主研发新型节能环保汽车,提高混合动力汽车能量控制系统设计水平,构建自主知识产权的汽车电子开发平台具有重要意义。