当前,随着环保和能源问题日益突出,电动汽车以其零排放、低噪声等优点而备受关注,世界各国都把电动汽车作为汽车工业的发展方向,而镍氢蓄电池以其比能量高、循环寿命长、适合大电流放电、无污染等优异综合性能,成为电动汽车用蓄电池的首选。与镍氢电池相关的电池管理系统近年来一直是研究的热点问题,电池的剩余容量预测和实现快速无损充电是其中两个重要的内容,本文在现有文献的基础上,引入模糊技术及神经网络方法对镍氢电池管理系统中的这两个问题进行了深入研究。首先,研究了MH-Ni蓄电池的剩余容量预测问题。考虑到BP神经网络收敛速度慢,存在局部极小点等问题,本论文采用RBF神经网络的方法对镍氢电池荷电状态进行了预估。针对RBF隐含层节点数和相应的数据中心难以确定的设计难点,提出了动态最近邻算法,经过仿真验证,该方法是有效的,预估结果满足了工业精度要求。其次,研究了MH-Ni蓄电池的充电特性。利用RBF神经网络可以以任意精度逼近任意函数的优点,论文建立了镍氢蓄电池的充电过程近似模型,同样针对RBF隐含层节点数和相应的数据中难以确定的设计难点,提出了一种有效的神经网络优化算法:首先利用动态最近邻聚类学习算法来调节隐含层节点的数目并初定中心;然后采用优化方法进行数据中心、输出权值和阈值的优化。经实验仿真验证,表明该方法能产生精确的预测效果。最后,将神经网络与模糊控制相结合,设计出了模糊神经网络控制器,用于对MH-Ni蓄电池进行智能充电。仿真结果表明该方法缩短了镍氢蓄电池的充电时间,可以实现MH-Ni蓄电池的智能快速充电。