铅酸蓄电池的剩余容量(state of charge,SOC,又称荷电状态)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。使用计算机技术和智能控制理论获取铅酸蓄电池的剩余容量,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。　　论文通过分析铅酸蓄电池的电化学特性和常用的SOC检测方法,确定了影响SOC的关键参量,并提出了一种基于BP神经网络的蓄电池性能参数辨识方法。　　通过查阅资料和对铅酸蓄电池电化学特性的分析,得出了电解液密度是影响SOC的关键参量,而正、负电极电势与密度满足能斯特公式的结论。论文对采用参比电极作为电位传感器的测量方法进行了研究,制作了银/硫酸银参比电极,设计了相关实验,来获取正、负电极电势。采用三层前向神经网络和BP算法对密度进行辨识,训练结果满足误差要求,能够较好地根据端电压、电流等参数得到电池的密度。通过辨识得到电解液密度后,可估算出电池的剩余容量。为了进一步提高预测电池寿命的精度,还可考虑其他参数的影响。　　理论分析和试验结果表明:论文研究的间接获取电解液密度的方法是可行的,它可用于蓄电池智能监控系统中,对电解液密度和SOC进行实时、准确监测。