锂电池具有体积小、电压高、比容量高、安全性高、环保性好和无污染性的特点使其在各个领域的应用越来越广泛。但是电池的性能和价格成为影响这些产品的主要"瓶颈”。为了更有效和科学的使用电池,急需设计电池在线监测系统和精确地预测电池剩余容量。基于这种现实考虑,本文用STC12C5A60S2单片机和Lab VIEW软件平台开发出一套实时监测锂电池信息的系统。监测系统采集放电电流与电池两端的电压值,然后经过计算得到剩余容量,并将这些参数在上位机Lab VIEW用户界面进行显示和存储。本文阐述了锂电池的组成和工作原理,详细分析了其工作过程中的充放电特性。本文总结了现在常用的几种电池剩余容量的预测方法,并在此基础上结合电池在生活中真实的工作过程,给出了本文的预测方法,该方法利用电池在使用中处于不同的阶段,采用不同的预测方法。本文利用开路电压法、安时积分法和BP(back propagation)神经网络法分别对电池不同阶段的剩余容量进行预测。为了模拟锂电池的动态使用过程,放电实验选用相同型号的不同新旧程度的两块锂电池,实验数据作为BP神经网络的样本数据。由于BP神经网络也存在不足之处,为了使得估计结果更加精确,网络的收敛速度更快,要对BP神经网络进行改进。然后利用MATLAB建立锂电池剩余容量预测模型,BP网络经过不断的学习,使得估计的结果逐渐逼近实际值。实验结果表明LM算法比附加动量法对BP网络的优化结果更适于锂电池SOC估计问题;本系统具备实时显示电池参数和数据保存的功能,并能对电池SOC进行动态预测;本文的预测方法实现了电池输入与输出之间的高度非线性映射,预测精度高,具有可行性。