在人类历史长河中已经奔驰了百余年的汽车进入21世纪后,在给人们带来便利的同时,也给人类的生存环境带来了严重危害。有关研究表明,城市环境污染的70%来源于汽车尾气,汽车尾气污染已成为城市的一大隐形杀手。目前解决这一问题的根本出路在于发展低污染甚至是无污染的交通工具,在这样的大背景下，新能源汽车随之应运而生。当前，新能源汽车在国家汽车工业发展中处于战略地位，其中的纯电动汽车更是以其无污染、噪声小、结构简单、维修方便等优点，成为了研究和制造的热点。而动力电池作为新能源汽车的核心，是制约其发展的瓶颈之一。这就要求各汽车企业和相关行业的人员根据新能源汽车技术发展要求，不断地进行新能源汽车动力电池产品的创新和提高检测技术水平，以达到提高汽车产品的综合性能，适应新能源汽车工业发展的需要的目的。本论文对电动汽车用动力电池关键技术——SOC的预测技术进行了研究，本课题来源于重庆永通信息工程实业有限公司新能源汽车用动力电池检测技术创新中心。主要针对模拟动力电池实际运行工况的研究。研究电动汽车动力电池的仿真及模拟实验技术和方法。通过硬件设置和软件编程方便地完成电动车的动力电池的各种实验，为科学地评价其性能提供有效的方法，为后期的电池与汽车匹配做前期的关键理论研究。本文首先详细分析了磷酸铁锂电池的基本工作原理和充放电特性以及影响电池剩余容量（SOC）的因素，选取主要影响因素，即电流、电压、温度。根据上述影响因素作为输入用神经网络建立数学模型，SOC为数学模型的输出。针对传统BP神经网络学习收敛缓慢，易出现长时间平坦区，不能收缩到全局最小等缺点，改进了神经网络，并利用仿真证明此种改进方法的实用性。为了配合BP网络的训练，以及后续方便操作人员实行在线监测，本论文采用MATLAB编写了一个专门的BP网络训练器，把BP网络所应该实现的功能封装成了一个类，基于这个类，构建BP学习的软件。接着，搭建检验平台，进行检测实验，采集实车行驶中包括电流、电压、温度等信号，利用二次开发软件进行电动汽车SOC预测。最后分析模型得出的预测值与实际剩余容量之间的误差，证明此种模型对于SOC预测具有较高的精确度，可以运用于实车检测。此外，通过同一工况下同种电池的理论充放电曲线与实际充放电曲线的对比，可以实现蓄电池组的故障判断。通过本文说明神经网络可以实现纯电动汽车电池组剩余容量的检测，通过改进的BP算法和训练软件，搭建硬件平台实现SOC精确的实车预测系统。