随着技术的发展,无人机以其方便、快捷、实用等诸多优点,得到了广泛应用。作为大型无人机供能系统的基本构成,锂离子电池荷电状态（State of Charge,SOC）的精确预估对无人机的性能、续航及操作体验具有决定性的作用。本课题以无人机锂离子电池为研究对象,通过对电路模型及估算算法进行改进,最终实现锂离子电池SOC的高精度实时在线估算。（1）基于对无人机锂离子电池的充放电电压差异的分析。提出电压匹配模型的构建新方法,实现电路模型的准确表征。设计基本参量特征提取实验,基于曲线拟合和遗忘因子最小二乘（Forgetting Factor Recurrence Least Squares,FFRLS）的方法对模型参数进行计算并验证。（2）基于提出的新模型,以扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法为基础,对锂离子电池SOC估算算法进行改进。针对其估算过程中忽略噪声影响而造成估算精度低的缺陷,采用Sage-Husa自适应理论对算法进行改进,在估算过程中通过对噪声进行自适应修正,实现SOC的高精度估算。（3）针对EKF类算法估算过程中重复计算偏导数矩阵,计算复杂度高,估算实时性较低的缺点,引入有限差分线性化的思想对算法进行改进。提出自适应有限差分-扩展卡尔曼滤波（Adaptive finite difference-Extended Kalman Filter,AFD-EKF）算法。以差商代替微商,保证估算精度的同时提升算法的实时性,实现SOC的高精度快速估算。（4）设计无人机锂离子电池基本特性参量提取实验,变功率充放电实验和复杂倍率充放电实验,定制无人机工况实验,编写精度估算算法。对提出的电压匹配模型、参数计算方法以及改进的SOC估算算法进行验证。通过结果分析可知,提出的电压匹配模型的模拟误差电压小于0.0481V。应用FFRLS辨识算法得到参数的模型模拟误差电压小于0.0188V。基于提出模型的SOC估算平均误差小于0.0114。相同工况验证下,算法的运行时间都有不同程度上的缩短。综合分析结果表明,提出的电压匹配模型相较于传统Thevenin模型可以更精确的表征锂离子电池的工作状态且具有较高的工况适用度,通过FFRLS参数辨识算法计算得到的模型参数具有较高的精度。以电压匹配模型和在线辨识算法为基础的AFDEKF算法在各种工况运算验证中都表现出较高的算法精度和优于常规卡尔曼估算算法的实时性。