BMS系统是保证电动汽车行驶安全重要部件,电池SOC值是BMS系统中最为重要的参数之一。获取准确的电池SOC值可以防止电池过充过放,延长电池使用寿命,反应汽车续驶里程。首先综合介绍了各种常用SOC估测算法,进而提出了一种模型参数自更新的卡尔曼滤波算法来估测电池SOC值。该方法结合了基本卡尔曼滤波算法与最小二乘法,其中卡尔曼滤波算法用于预测SOC值,最小二乘法则用于更新卡尔曼滤波算法模型参数值。并通过数学推导演绎证明了结合这两种算法而来的新方法在数学原理上是切实可行的。为测试该方法的实际预测效果,自行设计并搭建了数据采集系统,采集了实际电池放电实验数据。并附带介绍了该实验系统原理和各个组成部分。然后依据选定的电池等效电路,通过对电池脉冲放电实验数据处理获取了初始模型参数。参数自适应卡尔曼算法程序是通过labview开发编写,并详细介绍了程序各主要部分及其相应功能。开发过程中将程序各部分独立开发,并重点讲述了矩阵运算程序的开发、调试。然后依据程序获得各方法SOC预测结果并绘制成图线,通过与SOC基准参考曲线和其它方法获得的SOC预测图线相比较,发现使用参数自适应卡尔曼滤波算法获得的SOC预测曲线与SOC基准参考曲线最为接近,因此证明这种方法的预测结果精度更高,误差更小,表明了算法的优越性。并将结果曲线与卡尔曼算法典型SOC预测曲线做比较,分析说明了本文方法还存在的缺陷不足。