随着环境问题愈演愈烈,世界各国就发展新能源汽车达成共识,我国更是将其列为战略性新兴产业之一。新能源汽车中,电动汽车成为关注的焦点,电池和电池管理系统(BMS,Battery Management System)作为电动汽车的核心部件,其相关技术直接制约着电动车的发展。其中,电池荷电状态(SOC)估计作为BMS的核心技术更是当前研究的热点问题。本文基于国产某三元锂离子电池,围绕电池荷电状态估计问题展开研究,主要做了以下工作:首先,深入了解了锂离子电池的结构与工作原理,总结概括了现有的各锂离子电池模型的优点和不足,选取了能精确模拟电池充放电下电池外特性曲线的改进Thevenin等效电路模型。分析了影响电池模型精度的重要因素,如温度、循环寿命、充放电倍率等因素,接着,做了相关实验以获取本文所选取的等效电路模型参数。然后,使用充电工况、HPPC工况和ECE工况验证了模型的精度,实验效果显示:模型精度良好。其次,对卡尔曼滤波算法的原理、不足以及逐步改进的过程作了介绍,搭建了EKF和UKF模型,对比了两者精度选择了精度较好的UKF算法作为基础算法。详细介绍了UKF算法估计过程和原理,引入了模糊控制来调节Rk值,以加快UKF对初值的修正以及减小估计过程的误差。接着,应用三种工况验证了改进的FUKF算法的初值收敛速度和估计精度,验证结果显示FUKF相比于UKF能更快的修正初值,并且能将估计误差稳定在较小的范围内。然后,阐述了算法验证平台的软硬件设计,硬件整体方案是以MC9S12XDP512为主控制芯片,使用ACS712和ADS1115采集电流,AD7280A采集电压和温度。对于软件方面,总体思路是初始化后,采集电池的电压和电流,然后将采集得到的数据作为算法输入得到SOC估计输出,再将此输出上传至上位机中,以此往复运行。其中,算法部分运用Simulink自动代码生成技术,并考虑到单片机的计算能力将算法中的模糊控制简化。最后,搭建电池测试平台,并设计了充电工况、脉冲放电工况和ECE工况来验证算法在嵌入式系统中的表现。实验结果显示,FUKF算法在嵌入式系统中的表现与仿真相差较小,工作稳定性好,估计精度较高。