随着能源的匮乏及全社会对环境污染的严格控制，电动汽车、混合动力汽车已成为当今汽车业的一个重点发展方向，作为动力源的锂离子电池以其具备的优势倍受青睐。电动汽车、混合动力汽车的发展很大程度上受动力电池自身性能和循环寿命的制约。动力电池本身是个封闭、复杂的电化学反应系统，其荷电状态(SOC)是维持电池高效利用和安全、汽车稳定运行的重要数据。准确估算电池SOC受较多因素影响，其中估算算法对预测SOC精度影响较为明显。
　　本文以围绕提高SOC估算算法的精确度、实时性为目的开展研究，提出一种估算动力电池SOC算法。具体研究内容如下：
　　第一：选择磷酸铁锂电池为本文研究对象，分析电池结构、工作原理和特性，影响SOC估算因素及常用的估算算法。
　　第二：结合已有SOC估算算法与智能算法进行分析，确定电池SOC估算算法。选择径向基函数神经网络作为动力电池SOC估算的主体，在深入研究RBFN网络算法之后，发现其网络结构以及参数的选取对RBFN计算能力有很大影响。选择合适的网络参数和结构是提高估算算法精度的一种有效手段。
　　第三：提出将改进粒子群算法和正则最小二乘法进行混合，优化RBFN网络参数与结构，改善网络泛化能力。混合算法对正则最小二乘法的正则项、RBFN网络的基函数、节点中心和宽度等参数的优化，提升RBFN网络估算电池SOC的精确度和实时性。
　　第四：由混合算法与RBFN网络组成新的估算SOC算法，为测试算法在电池SOC估算的准确度和实时性，将预测结构与其他估算算法预测结果进行比较，表明经混合算法优化的RBFN网络在预测电池SOC的优势。并针对该算法进行系统硬件和软件设计，并测试系统功能。
　　鉴于由改进粒子群算法和正则最小二乘法组成的混合算法优化的RBFN网络在估算电池SOC的优势，对满足电池SOC估算精确、快速的要求，具有实际推广意义。