精确的锂电池SOC状态值与电动车辆的安全行驶、动力效率、充电管理和续航里程等密切相关。然而,锂电池是一个非线性时变系统,在电动汽车上应用时,还会受到复杂工况、环境温度、电池老化状态、传感器测量噪声的影响,因此,SOC状态的精确估计非常困难。本文对电动汽车用锰酸锂电池和磷酸铁锂电池展开了模型辨识和单体状态的非线性估计研究,主要研究工作及成果如下:1)对锂电池基本特性展开研究。搭建了锂电池测试系统,对锰酸锂电池和磷酸铁锂电池分别开展实际容量测试、倍率效率特性测试、开路电压测试、迟滞特性测试、内阻特性测试和动态工况测试。建立了两类锂电池的特性数据库。2)两种锂电池建模和模型参数辨识研究。a)建立了适用于锰酸锂锂电池二阶RC网络等效电路模型和模型数学表达式,为了解决模型参数在线辨识过程中的―数据饱和‖问题,提出了一种基于模糊自调整遗忘因子的递推最小二乘法,对动态变化的锂电池模型参数进行在线精确辨识。该方法提高了对新数据的使用效率,对模型参数的真实值估计具有更快的收敛速率和估计精度。b)建立了适用于磷酸铁锂电池的一阶RC迟滞等效电路模型和模型数学表达式,通过增加一个微小的扰动,建立电池系统参数的状态空间模型方程。为了解决模型非线性参数的估算问题,考虑到电池模型参数变化缓慢的特点,采用基于协方差匹配思想的自适应无迹卡尔曼滤波（AUKF）方法实现了模型参数的在线辨识,并通过将参数辨识估计器和SOC估计器分别独立完成,来降低估算之间的耦合性。3)基于单模型的SOC状态估算研究。a)为解决由于锂电池模型不确定性造成的估算不精确问题,构建了服从卡方分布的统计量,用于识别判断电池系统变化的非线性程度,进而提出了强跟踪无迹卡尔曼与自适应无迹卡尔曼组合（C-ST-AUKF）的SOC估算算法。在系统模型确定性判定较好的情况下,采用AUKF方法进行SOC估算;在模型不确定性程度判定较差的情况下,采用强跟踪无迹卡尔曼（STUKF）方法进行SOC估算。b)由于磷酸铁锂的SOC-OCV曲线平坦特性和迟滞特性会给SOC的精确估算带来难题,一个微小的OCV变化会带来了巨大的SOC变化。对信号处理和测量噪声协方差估算提出了很高要求。为了解决测量噪声存在未知统计特性会造成SOC估算性能下降的问题,采用小波变换-自适应无迹卡尔曼滤波（WT-AUKF）方法对磷酸铁锂电池进行SOC估算研究。对测量的端电压信号进行噪声分离,基于小波中值绝对偏差公式在线计算测量噪声协方差。相比较AUKF方法,所提出的WT-AUKF估算方法能更快速响应并逼近真实值。4)进行锂电池多模型融合状态估算研究。为解决不同类型锂电池的SOC估算通用性问题和同一锂电池不同生命周期阶段最优估算的通用性问题,提出了一种多模型概率SOC融合估算方法。基于残差和新息正交思想改进了AUKF方法,并使用这种方法进行单通道SOC估算。给出融合估算规则,每个通道的权重基于残差统计特性计算获得。为减少计算量,采用双尺度算法进行计算,在宏观尺度下进行参数辨识,在微观尺度下进行SOC融合估算。所提出的多模型概率SOC融合估算方法实现了对电池模型的精确描述,能够对不同类型锂电池进行精确、可靠的SOC估算。