环保和能源是现在备受关注两大问题，燃油汽车以其高能耗和高污染而备受诟病，而电动车以零排放、低噪声等优点受到关注，世界各国都把电动车作为汽车工业的发展方向，电动汽车呈现出加速发展的趋势。电动车能量管理系统是关系到电动车实用化、商品化的关键技术之一，而作为能量管理系统重要组成部分的电池电量监测技术的研究对电动车的实用化、商品化起着重要作用。 本文以铅酸电池为研究对象，从分析铅酸电池的电化学特性入手，指出了影响蓄电池剩余容量的各种因素和预测剩余容量的难点。本文介绍了国内外在蓄电池电量监测方面的研究、进展及采用的方法，分析这些方法的优缺点。在此基础上提出了一种基于电量平衡模型的复合算法，构造了一多层LM神经网络来对蓄电池放电过程的损耗容量进行预测。在神经网络建模过程中采用了一种快速学习算法用于网络的学习过程，利用神经网络的并行计算、自学习的特性，提高预测准确性。这种方法需要对蓄电池有很多的先验知识，不需要建立复杂的数学模型。经初步试验和仿真，该方法具有较高的预测精度。 本文重点对蓄电池参数状态监测系统软硬件的设计与实现进行了详细说明，此实验平台是基于C8051F005单片机的测试系统，对蓄电池的工作参数包括电压，充放电电流，交流阻抗和工作温度进行一定精度的测量，并通过串口将这些数据传送到个人计算机的数据库中，从而得到算法分析的数据。利用此实验平台做了部分充放电实验，得到了一些实验数据，对蓄电池进行了初步建模，此方法得到初步验证。