并联式混合动力系统工作时，其控制中的难点问题之一是状态切换过程中如何使发动机和电动机协调工作从而保持动力传递平稳。利用电动机转矩补偿发动机转矩的方法可以很好地减小状态切换过程中发动机和电动机转矩之和的波动以及车速加速度的波动，并保证状态切换过程中动力传递的平稳性。因此需要实时、准确的对发动机转矩进行估计。本文提出以数据直接描述的转矩估计方法。利用神经网络的预测功能，使用发动机部分稳态工况点的试验数据作为样本，估计出发动机全工况下的稳态转矩值；选择节气门开度的变化速率为100％／s时作为在混合动力工作模式切换和换档过程中发动机的节气门的变化速率，对该动态工况下发动机的转矩输出特性进行估计。首先，以神龙富康TU5JP／K汽油发动机为试验样机，完成了一系列基于PUMA Open测试系统的自动化稳态和动态试验，由于该系统具有高动态响应性能，能够在不同频率下完成对各种参数的采集，特别是对动态工况中高频变化的量，确保能够实时、准确地获得发动机稳态、动态试验数据，为神经网络提供了数据样本。然后，选择了具有很强的非线性映射作用，且能够识别有噪声或变形的样本的BP神经网络来进行转矩估计。使用MATLAB建立了BP神经网络预测模型，并确定了其结构与相关参数。同时，对于所获得的实验数据，选取对转矩影响最大的发动机转速和节气门开度作为输入，采用间隔抽取样本点的方法，并对输入输出数据进行归一化预处理以改进数据的质量，提高了所建模型的训练、预测精度。最后，完成了基于BP神经网络预测模型的发动机转矩估计，并对神经网络的收敛精度与泛化效果进行了计算和分析，找到了影响转矩估计精度的因素，并在此基础上提出优化解决方案，完善了此方法。