近年来，全球环境恶化现象愈演愈烈，影响着人们的生产与生活，带来诸多不便，大气污染是其中一个主要方面，而汽车尾气的排放是大气污染的一个重要原因。节能环保型汽车的研发是当今汽车工业的重点工作及未来趋势。电动汽车因为缓解了交通对于石油资源的依赖，已成为目前汽车行业的重点发展对象并占有了越来越多的市场份额。电动汽车发展的一项关键技术是高效、节能、安全、环保的动力电池的研制。磷酸铁锂锂离子电池因其自身的优点，已经成为许多电动汽车的能源供给。优秀的电池管理系统首先需要能够较好地估算电池荷电状态（StageOfCharge，SOC），才能有效地提高电池使用效率，延长电池寿命。　　本课题来源于企业委托项目——电池电量检测及显示系统的研究与设计。具体内容包括系统的硬件设计及制作，以及完成该系统的软件算法程序。本文通过对电动汽车动力电池的性能要求，磷酸铁锂电池的性能及优点，电流、温度、老化情况等对电池性能的影响等多方面的统筹考虑，结合了对目前电动汽车发展现状及国、内外主要使用的SOC估算方法的分析，提出了使用径向基函数神经网络(RadialBasisFunction，RBF)算法进行磷酸铁锂动力电池的SOC估算。该算法具有较快的网络学习收敛速度，并且能够逼近动力电池电量变化过程中的复杂的非线性规律。　　在此基础上，本文从硬件、软件角度建立了动力电池电量检测及显示系统。该硬件系统是由数据采集、数据处理、单片机控制、LED显示，另外还包括对外通讯接口、数据存储、电路保护等模块组成。功能是实现对电池电压、充放电电流、温度的在线检测，对输入模拟信号向数字信号的转换，RBF神经网络算法的实现，结果的实时显示以及系统的保护等工作。以完成对电动汽车动力电池剩余电量的较准确的估计及实时显示。我们通过ADVISOR软件进行电动汽车磷酸铁锂动力电池在不同工况下的仿真实验，结果表明利用RBF神经网络进行电池SOC估算取得了较好的结果。