随着低污染新能源汽车的发展,其动力源—动力电池也得到广泛的关注和研究。电池组结构复杂,体积较大,需加入电池管家—电池管理系统（BMS）对电池监测,管理和保护。其中电池的荷电状态（SOC）是BMS的主要功能之一,同时也是影响新能源汽车工作稳定性的主要因素。由于实际电池系统的复杂性,在估算过程中,难以获得高精度的电池模型以及系统的噪声先验统计特性,导致EKF估算电池SOC的精度较低。因此本文以系统状态噪声Q和观测噪声R的影响为出发点,通过动态调整Q和R,对EKF算法进行改进,以提高算法估算精度。主要研究内容如下:从磷酸铁锂电池的电化学反应机理出发,分析电池的充放电工作过程。针对单体电池存在的差异,对电池的一些主要参数进行探究。通过实验重点研究了电池标准充放电电压特性,电池容量的两个影响因素—放电倍率和环境温度。高精度的模型,准确的模型参数是准确估算电池SOC的前提,本文基于电池内部特性,研究了常见的等效电路模型,并利用Matlab拟合工具对实验数据拟合以及基于离线参数辨识的过程,重点研究分析了n阶RC等效电路模型,并确定n=2即二阶RC模型的实用性。研究了离线和在线参数辨识的方法,通过仿真验证了在线参数辨识能更好地追踪电池参数的变化,更适合实际工程的使用。基于电池模型和参数辨识方法,本文研究了SOC估算算法,其中主要针对扩展卡尔曼算法（EKF）进行研究,将在线参数辨识方法与EKF算法联合,实现EKF对电池SOC的估算,并通过脉冲式放电工况,DST工况和FUDS工况三种工况验证了EKF算法的可行性以及联合估计的准确性。由于系统状态噪声Q和观测噪声R的先验特性未知,而传统的EKF算法在估算过程中根据经验将其设为定值,导致SOC估算结果不准确,甚至出现发散的可能。因此本文重点研究了噪声对电池SOC估算的影响,提出基于鲁棒函数数据校正的思想,采用经典的cauchy分布法做研究,以极大似然估计原理为理论基础,实现利用影响函数对Q实时修正,并根据电池SOC-OCV特性曲线对R实现分区域动态调节。通过工况验证了改进后EKF算法的收敛性、精度和鲁棒性都比未改进EKF算法高。