铅酸蓄电池的剩余容量是电池性能指标中的一个重要参数,对电池的输出性能和使用寿命有着至关重要的影响。使用计算机技术和成熟的智能控制理论获取铅酸蓄电池的剩余容量(state of charge,SOC),为电池使用提供优化决策是控制理论在电池监测领域应用的一个重要内容。论文对电化学相关理论进行了深入分析,认为电解液密度是影响铅酸蓄电池SOC众多因素中最为明显的一个,但在某些特定环境中用现有的手段很难准确测得该参量。研究表明,电池极板的电位与电解液密度之间存在固定的函数关系,并在一定程度上反映了极板的极化程度。在总结前人经验的基础上,论文提出了一种基于软测量的铅酸蓄电池SOC监控算法。在对铅酸蓄电池充放电过程深入了解的基础上,论文制作了一种基于铅酸蓄电池和银/硫酸银参比电极的传感器,设计了对蓄电池SOC进行测量的实验方案。由于蓄电池的充、放电过程是一个不稳定的动态过程,各个状态量都在变化,因此,古典的辨识方法不能准确地将极板电位与电解液密度的函数关系表示出来。论文采用BP神经网络实现对该函数的辨识,并针对BP网络的不足,设计了一种基于预赋初值的改进算法。实验和仿真证明,这种算法能够有效地缩短网络训练时间并提高训练精度。实验和Matlab仿真的结果证明这种基于软测量的铅酸蓄电池SOC监控算法具有一定的可操作性,而算法的准确性和普遍适应性尚需通过实验进一步检验。论文提出的铅酸蓄电池SOC软测量方法是将智能控制技术应用于电化学中的一个尝试,可为进一步研究提供有益的借鉴。论文最后对研究内容和下一步工作进行了总结和展望。