混合动力电动汽车的研究和发展对于解决环境污染和能源危机能起到相当大的作用，而目前我国的混合动力电动汽车研究尚处于起步阶段，为此国家科技部将混合动力电动汽车列为863计划的一个大项目，本课题即来源于国家科技部立项的863计划。 混合动力电动汽车能量管理因它的非线性、随机性和模糊性等特点而成为混合动力电动汽车研究和开发的关键问题。将模糊推理和神经网络相结合的模糊神经网络技术，在处理非线性、随机性和模糊性等问题上有很大的优势，所以可以考虑将模糊神经网络技术应用到混合动力电动汽车能量管理上。为此，本文主要就这方面进行了一些初步的探索。 根据混合动力电动汽车能量管理的实际情况，新构建了一个四层模糊神经网络，其中的模糊节点采用高斯型隶属度函数，该函数的中心值和宽度值对网络的计算输出和性能有很大影响，必须学习修正。因此详细推导了新建的模糊神经网络的BP学习算法，为了避免局部最小和加快平均误差函数收敛，采用了加动量项BP算法，为保证网络每层权值的物理意义和改善规则之间的重要性，选用了部分层学习算法，即仅对网络第三、四层间的权值进行学习修正。这样，BP算法只针对中心值、宽度值和权值Wi进行学习，并将训练好的参数保存在数据文件中，供能量管理系统使用。 以训练成功的模糊神经网络实现的混合动力电动汽车能量管理算法为核心，研究了混合动力电动汽车能量管理的模拟问题。仿真实现了混合动力电动汽车能量管理的整个过程：当给汽车以加速踏板开度或制动踏板开度时，通过训练好的模糊神经网络，从而可以算出相应的发动机油门开度和电动机油门开度值，然后再分别送给发动机和电动机进行相应的控制，从而完成了一次控制。 用C语言开发了混合动力电动汽车能量管理的仿真软件，初步探索了混合动力电动汽车能量管理的模糊神经网络方法，基本说明了该方法的有效性。