El modelo de dinámica del vehículo tiene múltiples grados de libertad, con características no lineales fuertes, por lo que es difícil obtener rápidamente la presión de aceite objetivo precisa de un sistema de frenos asistido electrónicamente basado en el modelo. Este artículo propone un algoritmo de reconocimiento de presión de aceite objetivo basado en el modelo de red neuronal difusa T-S. En primer lugar, se construye el algoritmo de clasificación de condiciones de frenado de acuerdo con los datos de intención de frenado muestreados. Los datos se dividen en datos de condiciones de frenado de emergencia y datos de condiciones de frenado generales mediante el algoritmo de clasificación de condiciones de frenado. En segundo lugar, el modelo de reconocimiento se entrena respectivamente con los diferentes conjuntos de datos de condiciones de frenado. En el proceso de entrenamiento, se utiliza el algoritmo de agrupamiento difuso C-means para identificar los parámetros antecedentes del modelo, y se aplica la estrategia de atenuación del coseno de la tasa de aprendizaje para optimizar el proceso de aprendizaje de parámetros. Finalmente, se propone un método de corrección de la presión de aceite objetivo basado en la relación de deslizamiento, y se comparan los métodos de control de presión de aceite objetivo derivados basados en PID tradicional y PID difuso a través de experimentos. Los resultados muestran que el error cuadrático medio del control de presión de aceite basado en PID difuso es menor, lo que demuestra que el método propuesto es capaz de controlar con precisión la fuerza de frenado.