当今世界汽车的拥有量越来越多,随之带来了严重的能源和汽车排放问题。为了限制汽车尾气的污染和节省燃料,目前国内外正在发展混合动力电动汽车(Hybrid Electric Vehicle,HEV)。混合动力汽车发动机的标定功率只满足正常行驶的需要,加速、爬坡或高速时增加的功率,由蓄电池驱动的电机供给,因而混合动力汽车需要的发动机规格要小很多,油耗和尾气污染也小很多;另外,因为蓄电池只有在需要时才供给电力,其容量比电动汽车小很多,也就解决了目前各种蓄电池容量不理想的问题。本文探讨了BP(Back Propagation)网络——神经网络(Neural Network, NN)的一种,并利用BP网络对并联混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV)发动机的转矩进行估计。以发动机台架性能实验所得数据为基础,使用Matlab中的Neural Network工具,建立不同神经元个数和层数的BP网络模型分别对并联混合动力汽车发动机进行稳态控制和动态控制时的实验数据进行训练,在网络模型的建立过程中,提出了一种新的训练方式,通过对不同模型的训练及结果分析,筛选出了估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计,取得了较满意的效果。然后把发动机转矩估计的模型嵌入到整车模型中,验证了发动机转矩估计模型的合理性。