精准的SOC估计是电动汽车电池管理系统高效工作的必要条件,也是提供给电动汽车驾驶员的必要信息。SOC由于非线性与时变性、SOC初始误差以及可用容量值难以获取等因素使其难以被精准的估计。精准的SOC以及容量估计需要性能优异的算法以及新的方法,论文立足于上述存在的问题开展了以下工作:论文首先完成了锂动力电池建模、模型选取以及参数辨识,经过综合性能评价,选取性能最佳的模型最为后续研究的基础;论文使用了粒子滤波算法实现了对锂动力电池SOC的估计,针对传统粒子滤波鲁棒性不佳的问题,论文提出了基于一种改进的自适应粒子滤波方法,新的方法针对于非模型误差引起的状态估计误差具有高效的调节作用,尤其是对有SOC初始误差较大的情况对于SOC收敛速度的提升有着非常明显的作用。为了更严谨的评价所提出算法的性能,使用两种电池的不同工况对传统自适应算法以及改进的自适应算法进行验证,最后结果显示,改进的算法的鲁棒性有着明显的提升。针对锂动力电池SOC在线估计问题,论文使用了双粒子滤波算法以实现锂动力电池参数与SOC的联合估计,同时为了减少算法计算量,使用了多尺度的方法实现SOC与参数以不同时间步长估计。为了提升算法的鲁棒性,论文进一步的使用了双自适应粒子滤波算法实现了对锂动力电池SOC及参数的联合估计。为了验证算法的有效性使用了不同健康状态下点电池数据对两种算法进行验证,验证结果表明,双粒子滤波算法可以实现较为精确的SOC估计,SOC收敛时间较前者也有大幅的缩短;针对锂动力电池SOC在线估计时的容量估计的问题,论文首先建立里容量与SOC-OCV的数学关系式,从而使容量的变化与SOC、电池参数有了相互约束的关系,进一步论文将容量的估计加入双自适应粒子滤波的算法中,从而实现了对容量的精准估计。经过对算法的试验验证,最后结果显示,算法可以对容量、SOC进行精准的估计。