三元锂电池因其比容量高的特点,常被用作各种新能源汽车的动力电池。而充当新能源汽车“油表”功能的锂电池荷电状态（State of Charge,SOC）,不仅是电池管理系统的核心指标,还是对车辆进行续航预测和对电池进行充放电保护的重要依据,因此,对SOC进行准确估计有重大意义。本研究以三元锂电池为对象,提出了一种基于开环电压的耦合方式,并设计了可以同时对SOC和模型参数进行估计的双滤波算法,提高了SOC估计精度、收敛性能和鲁棒性。主要工作内容如下:（1）根据三元锂电池的反应原理,建立了一种用于描述电池工作特性的二阶Thevenin等效电路模型,对该模型进行数学推导,提出并定义了联合参数,将模型参数与电池状态间的关系线性化,以便设计算法。分别通过混合脉冲功率特性测试（Hybrid Pulse Power Characterization,HPPC）和粒子群优化算法两种方法对电池模型参数进行辨识,并在HPPC、动态应力测试和美国联邦城市运行工况三种工况下进行验证。（2）基于卡尔曼滤波（Kalman Filter,KF）、扩展卡尔曼滤波（Extended Kalman Filter,EKF）和粒子滤波（Particle Filter,PF）,从模型参数在线辨识、收敛性能改进和运算耗时减少三个方面对算法进行改进,最终提出了结合EKF-KF和PF-KF两者优点的PFEKF-KF算法。经验证,该算法既保持了与PF-KF同等的估计精度,又将运算耗时降至和EKF-KF同一水平。（3）提出了一种新的基于开环电压的耦合方式。由于现有的基于时间尺度和估计电压的两种耦合方式都不能对在线辨识参数的精度进行良好评估,本研究提出在双滤波算法中增加一个开环的等效电路模型环节,该模型与算法中的电池模型相同,仅以测量电流为输入量,其输出量为开环电压,并用该电压对在线辨识参数的精度进行评估。最终提出并设计了基于开环电压耦合方式的PFEKF-KF算法。（4）分别通过仿真和硬件平台两个方面对提出的算法进行了验证。分别使用以软包三元锂电池为实验对象的实测数据集和马里兰大学CALCE课题组的以18650圆柱形三元锂电池为实验对象的开源数据集进行仿真,以工况、算法初始SOC、工况初始SOC和环境温度为变量验证了算法效果,同时分析了运算耗时,以PFEKF-KF算法为载体,将基于开环电压的耦合方式分别与基于双时间尺度、单边估计电压和双边估计电压的耦合方式进行对比。结果表明,提出的算法在不增加计算量的同时,保持了最高的SOC估计精度和最强的鲁棒性。最后,将该算法移植到基于TMS320F28335的硬件平台上,以18650圆柱形三元锂电池为对象。在自行设计的两种测试工况下实现了SOC和模型参数的在线估计,同时在上位机的可视化平台中对算法结果进行在线监测和记录,其SOC估计误差始终保持在1%以内,证明提出的算法具有较高实用价值。