面临着日益严峻的能源匮乏以及环境污染问题,各国政府都在大力推动新能源汽车的发展来减少碳排放和缓解能源危机。电池管理系统通过实时采集电池数据,管理和控制动力电池工作状态,保证电池高性能工作及行车安全稳定。其中,电池的荷电状态估算是电池管理系统的核心功能,电池在使用过程中的剩余电量影响着电动汽车的性能和安全性,精确的锂离子动力电池SOC估算是动力电池安全可靠运行的基础,对其研究成了电池管理领域的一个关键问题。首先,分析了温度、充放电倍率、单体电池不一致和自放电对锂离子电池建模和SOC估计的影响,分析目前常用SOC估算方法的优缺点。对比分析了五种常用的等效电路模型的优劣,选取二阶戴维南等效电路模型作为本文的电池等效电路模型。其次,对电池参数离线辨识的主要原理及方法进行了阐述,并完成了电池参数离线辨识的过程,通过混合动力脉冲功率试验,拟合出开路电压和荷电状态的关系曲线以及计算出在不同荷电状态值对应的欧姆内阻、电化学极化电容电阻、浓差极化电容电阻等参数。选取递推最小二乘法和卡尔曼滤波算法对等效电路模型参数进行在线辨识。选用基于递推最小二乘法和基于状态空间方程的卡尔曼滤波法在线辨识其参数。将在线辨识参数结果与离线辨识参数得到的结果相比,在线参数辨识的方法能够保证跟踪准确性,说明了在线辨识电池模型参数能够有效减小模型误差,进而提高SOC估计精度。之后,通过对扩展卡尔曼滤波算法的原理进行阐述,在二阶戴维南电池等效模型的基础上获得状态空间方程和输出方程,利用泰勒公式线性化电池的状态方程,结合卡尔曼滤波算法参数在线辨识方法,在Matlab环境下编写了双卡尔曼滤波的SOC估算以及验证程序,基于常温UDDS工况下实验采集到的电压、电流和SOC值,在算法初值准确和算法初值有误差两种情况下对双卡尔曼滤波算法估算SOC的精度和收敛性进行验证。仿真结果表明,在UDDS工况下,采用双卡尔曼滤波算法估算电池SOC具有良好的收敛性和精度。最后,介绍了电池管理系统软硬件的设计与开发。基于模拟前端BQ76940对锂离子电池进行数据采集,通过I2C接口将采集的数据传送给主控单元STM32F103RCT6,MCU对数据进行计算与分析。通过对比MCU和高精度万用表采集数据的误差,验证了电池管理系统的采集精度。