化石能源的短缺与越来越严重的环境问题使得人们不得不从事新能源交通工具的探索开发,由此电动汽车技术已得到了迅猛的发展。在电动汽车技术中,动力电池的剩余电量是影响电动汽车的续驶里程和行驶性能的主要因素,也是电池管理系统的重点和难点之一,因此准确的估计电池的剩余电量,可以提高电池的能量效率,延长电池的使用寿命,从而保证电动汽车更好的行驶。电池的荷电状态用SOC来表示,即State of Charge。对电动汽车动力电池剩余电量的准确估算是电动汽车技术的关键技术。本文分析了锂电池的工作原理、充放电特性、影响电池SOC的因素,研究了国内外先进的算法,提出了一种新的估算方法,多元自适应回归样条(MARS, Multivariate Adaptive Regression Splines)方法,建立了磷酸铁锂电池荷电状态估计模型。首先,介绍了电池荷电状态估计的目的及意义,从电动汽车的发展、电池管理系统的功能和SOC的研究现状方面说明了准确估算SOC的重要性,以及MARS方法的可行性。其次,从锂离子电池的特性入手,阐述了锂离子电池的发展史及原理,介绍了电池常用的性能参数,详细分析了包括温度、充放电倍率、电池寿命等影响SOC的因素,并在室温下进行了恒流-恒压-恒流充放电实验,分析了锂离子电池充放电特性。再次,本文归纳了几种现有的电池荷电状态的估计方法,同时在对Friedman的多元自适应回归样条的理论学习的基础上,重点理解了MARS模型结构以及由基函数和基函数系数所表示的特点、算法的向前逐步过程和向后剪枝过程、最佳模型的选取、可解释性等。最后,基于三种不同倍率下的恒流-恒压-恒流充放电循环实验,分析过程中电压变量和温度变量的整体变化以及产生这些变化的原因,在此基础上对本文所需要的变量进行了选择。对实验所得数据(电压、电流、温度)进行标准化处理,获取三组动态数据集,应用MATLAB软件进行编程,初步建立了基于MARS的模型,达到预期效果。