电动汽车以节能、清洁无污染而备受人们关注。作为电动汽车重要组成部分之一的电池管理系统一直是业内研究的热点问题。如何准确预测动力电池的荷电状态是电池管理系统的关键。回跳电压具有瞬间获取的特点，以回跳电压作为估算电池荷电状态的特征量，并将其运用于电池荷电状态的监测具有重要的意义。本论文以电池综合参数自动测试仪为主体搭建了测试平台，制定了相应的方案对铅酸电池进行充放电实验。通过大量测试数据分析了电池放电过程的回跳电压、放电电流、放电深度以及荷电状态之间的关系。利用最小二乘和多项式拟合等手段，建立基于回跳电压的电池荷电状态估算数学模型，并通过仿真验证了回跳电压预测电池荷电状态的可行性。为提高电池荷电状态的预测精度，提出基于最小二乘向量回归机的径向基神经网络算法和建模，并以回跳电压作为神经网络的输入对电池荷电状态进行预测。仿真结果表明改进的径向基神经网络模型具有更高的预测精度。