در خودروهای هیبرید موازی که از نوع سیستم های بسیار پیچیده ی مکاترونیکی محسوب می شوند، از دو منبع تولید انرژی که عمدتاً موتور الکتریکی و موتور احتراقی می باشند، به گونه ای که گشتاور تولید شده توسط آن ها با یکدیگر کوپل شده و مورد استفاده ی خودرو قرار گیرد، استفاده می گردد. آنچه در مورد کنترل این سیستم-ها مورد اهمیت است، نحوه ی استفاده از هر منبع و نسبت تولید گشتاور توسط هریک از آن ها می باشد. در این رساله، به بررسی استراتژی مدیریت انرژی برای تعیین میزان مشارکت هریک از منابع حرکتی به منظور کاهش در مصرف سوخت خودرو و کاهش در تولید گازهای خروجی در خودروی هیبرید موازی پرداخته خواهد شد. در این پایان نامه از الگوریتم کنترل پیش بین غیرخطی برای کنترل خودروی هیبرید موازی استفاده شده است. از آن جا که در کنترل پیش بین تولید سیگنال کنترل براساس پیش بینی رفتار آینده سیستم صورت می گیرد، لذا این کنترل کننده قادر است دربرابر تغییرات ناگهانی سیکل حرکتی عکس العمل مناسبی از خود نشان دهد، درحالی که سایر روش های کنترلی براساس رفتار گذشته سیستم عمل کرده و نسبت به تغییرات سریع مسیر حساسیت بیشتری دارند. کنترل پیش بین ، همان طور که از نام آن پیداست، به مدل سیستم برای پیش بینی رفتار آینده آن نیاز دارد. مدل سازی سیستم ها به روش های گوناگونی انجام می شود. در این پایان نامه از شبکه عصبی به عنوان مدل پیش بین، برای تخمین سرعت خودرو، در طراحی کنترل-کننده بهره گرفته شده است. هم چنین تابع هزینه طراحی شده برای کنترل کننده پیش بین شامل دو جمله خطای سرعت خودروی هیبرید از سیکل حرکتی مطلوب و گشتاور اعمالی به موتور احتراقی بوده و ضرایب تابع هزینه به گونه ای تنظیم می شوند که خودرو بهترین عملکرد را در تعقیب سیکل حرکتی دلخواه داشته باشد. در ادامه عملکرد کنترل کننده پیش بین مدل مبنای عصبی پیشنهادی، با کنترل کننده های پایه و فازی fuel-mode ارائه شده در advisor مقایسه شده است. نتایج شبیه سازی بهبود عملکرد خودرو را به-طور قابل توجه نشان می دهد.