电动汽车是以动力电池作为能源的一种环保型汽车，动力电池的性能成为影响电动汽车整车性能的一个关键因素，它对续驶里程、加速能力和最大爬坡度等性能都会产生直接的影响，因此设置专门的电池管理系统对电池的能量管理及维护是非常必要的。 本文首先简要地介绍了电动汽车的概念及国内外电池管理系统的发展状况，及SOC的几种预测方法和模型，并在此研究的基础上以Ni-MH电池作为研究对象，深入分析Ni-MH电池的工作原理、电池的电压、电流、温度和放电历史与容量的关系，对电池管理系统中的难点问题：电池荷电状态(SOC)的估计，提出了一种新的预测模型，即在安时法的基础上利用径向基神经网络与卡尔曼滤波相结合的方法预测Ni-MH动力电池的SOC。本文在基于本校研发的类菱形电动汽车平台上，制作了一个基于CAN总线的电池管理系统对该算法进行实施及验证，仿真结果与试验数据相吻合。 该电池管理系统还实现了动力电池的高压运行电路与低压测量电路的完全隔离，并能有效地监视电池的充放电情况，对不正常的充放电情况发出声光报警，能显示每个电池的工作状况，并能提示司机更换状态不良的电池。该系统的各节点使用带CAN的单片机作为微控制器，采用较高精度的传感器进行数据采集，构造了一个智能的电控单元(ECU)，各ECU通过CAN总线进行连接，在中央电控单元(CCU)的管理下，实现数据的共享，同时减少了连接的线束，并且具有便于电池在汽车中的布置等优点，安全性和可靠性高。 本论文所做的研究将有助于改善电动汽车的整车性能，提高电动汽车电池用电安全性，并为今后这方面的研究提供了一个参考。