随着能源与环境形势的日益严峻,新能源电动汽车产业化前景广阔。锂电池作为电动汽车的核心驱动能源,仍存在状态无法精确估计,且动态循环寿命不高等问题。因此如何准确而又高效地估算锂电池的荷电状态即SOC值是电动汽车应用的关键技术。本文正是以磷酸铁锂电池为研究对象,通过搭建电池测试装置,提出一种自适应无迹卡尔曼滤波SOC估计算法,主要开展工作如下:首先详细分析了锂电池的种类及其工作原理,着重分析了其性能指标,并引出本文的研究对象―磷酸铁锂电池;然后搭建基于ITS5300的电池充放电测试台架,该测试台架主要由4部分组成:可编程ITECH线性电源、磷酸铁锂电池、可编程电子负载以及担任主控器的工控机。基于测试装置,完成特定充放电实验测试,并完成锂电池开路电压与SOC值关系的实验整定。然后详细分析了锂电池常用的几种模型,并选取了二阶RC电路模型作为本文估算锂电池SOC的模型,并详细论证了该模型的稳定性,在此基础上分别采用离线方法和在线方法辨识模型参数,并详细介绍了传统卡尔曼滤波器KF在线参数辨识方法。采用基于UT变换的无迹卡尔曼滤波算法UKF对锂电池SOC估计较为精确,但前提是要精确获得系统的过程噪声以及观测噪声的统计特征。本研究提出一种新型自适应无迹卡尔曼算法AUKF,详细分析了该算法的实现过程;之后结合基于传统KF的参数在线辨识和基于AUKF算法的锂电池SOC估计,构成双重自适应无迹卡尔曼滤波算法DAUKF,并详细分析了该算法的实现步骤。通过测试装置完成锂电池在恒流放电、恒流充放电以及UDDS动态工况的动态测试,测试实验结果表明:本文采用双重自适应无迹卡尔曼滤波算法DAUKF估计锂电池SOC精度达到2%以内,相比传统的DUKF算法具有更强的估计精度和自适应跟踪能力。