目前,国内对于应用在水下机器人中动力锂电池管理系统的研究仍处于起步阶段,锂电池的问题正在逐渐成为制约水下机器人技术发展的主要因素之一,由于电池一次充电使用时间短,电池循环寿命受到各种因素的制约,电池价格受到正负极材料成本的限制等等各方面的因素,对锂电池实施有效的管理,提高电池使用效率,安全、有效的利用电池能量、延长电池使用寿命、提升电池的可靠性具有非常重要的意义。本文主要设计了锂电池管理系统的整体方案,完成管理系统状态监测模块、剩余电量估算模块和均衡控制模块的设计研究。其中状态监测模块主要完成对锂电池组电池电压、电流和温度等重要参数的采集。在完成了状态监测模块的设计基础之上,重点研究了电池剩余电量的估算系统设计,提出了基于神经网络的智能卡尔曼剩余电量估算方法。最后,为了增加电池组系统的可靠性,对均衡控制模块进行了理论上的研究。对于水下机器人而言,剩余电量估算模块是防止电池过充过放的主要依据,只有估算准确才能更有效的使用水下机器人,提高动能使用效率、延长电池使用时间,更好的完成所需工作与试验,是锂电池管理系统中重要的一部分。本文主要分析了安时法、扩展卡尔曼滤波法和神经网络等方法在剩余电量估算方面的优缺点,结合水下机器人的实际要求,综合运用这些估算方法,扬长避短,提出了适合水下机器人电池组的基于神经网络的智能卡尔曼剩余电量估算方法。首先根据状态监测模块获取的电流值进行安时法的剩余电量值提取,然后加入电压参数对其进行基于扩展卡尔曼滤波法的修正,最后加入温度参数通过神经网络的方法进行最后的剩余电量值的估算,得到的估算结果精度较高,适合应用在水下机器人实际系统中。最后,完成系统的仿真调试和部分实验,给出了相应的仿真结果与实验结果。实验证明,该管理系统能够较好的实现预期部分功能。由于时间和实验条件等的限制,实验数据结果并不十分全面,还需要完成更加完整和全面的测试。