能源危机和环境问题的日益严重,促使世界各国对电动汽车的研发越来越重视,动力电池及电池管理系统是电动汽车的关键部件,锂离子电池因其无污染、比能量高、无记忆效应等优势,已得到广泛应用。电池荷电状态(State of Charge,简写为SOC)的估计是整车管理的基础,其对延长电池使用寿命、提高整车性能具有重要的意义。本文以锂离子电池为研究对象,基于RC等效模型,重点研究SOC估计方法,采用基于滑模观测器(Sliding Mode Observer,简写为SMO)的方法、基于径向基函数(Radial Basis Function,简写为RBF)神经网络观测器的方法、基于先进汽车仿真器(Advanced Vehicles Simulator,简写为ADVISOR)的方法对SOC进行估计和对比验证,实现了较好的估计效果。所做工作包括:第一,对目前常用的SOC估计方法和等效电路模型进行归纳和和比较,并深入分析了锂离子电池的原理及性能指标,建立了本文的RC等效模型,由脉冲电流放电实验对模型进行了验证,并获取了模型参数,结果表明本文所用的等效模型能较好地模拟电池特性,精度较高。第二,设计了一种具有新型切换函数的滑模观测器对SOC进行估计,利用新型切换函数来替代传统的滑模观测器中的符号函数,利用Lyapunov理论证明了所设计观测器的稳定性,并与传统滑模观测器进行仿真对比,一定程度上减弱了抖振,并且具有较快的收敛速度,仿真结果验证了该方法的有效性,显现了改进的滑模观测器的在估计方面的优势,实现了良好的跟踪性能。第三,设计了一种基于RBF神经网络观测器的SOC估计方法,采用模型中的电压估计值作为神经网络观测器的输入参数,输出系统干扰的估计值,进而计算得到电池SOC的估计值,采用Lyapunov稳定性理论设计了神经网络权值向量的自适应律,验证了所设计的观测器的稳定性,实现了对未知状态的估计以及干扰的逼近,仿真结果表明了该方法是有效可行的。最后,引入了ADVISOR仿真环境,选取两种道路工况进行模拟,基于ADVISOR所提供的电池数据进行了SOC估计的仿真实验,验证了SOC估计算法在实际驾驶工况中的估计效果。结果表明,在不同驾驶工况下,两种方法均能实现对SOC的估计,通过与参考值的比较,估计误差最终稳定在3%以内,验证了算法的有效性。