随着全球能源危机和环境污染日益严重，电动汽车凭借其无污染、高性能等优势，逐渐成为当代汽车的发展方向。电池管理系统是电动汽车的关键组成模块，电池要配备电池管理系统才能正常工作，而电池的荷电状态（State of Charge，简称为SOC）描述了电池的剩余电量，是电池在使用的过程中最重要的参数之一。准确估计SOC可以防止电池的过充与过放，有效延长蓄电池的使用寿命，并且在电动汽车的行驶过程中可以预知可续驶里程。本文重点研究了电动汽车电池管理系统的主要功能和SOC的估算方法，提出了利用自适应模糊神经网络进行SOC估算的方法，设计了一种基于ARM7的嵌入式电池管理系统。由于SOC估算受温度、老化、充放电倍率、自放电等因素的影响，使得电池在实际应用中，呈高度的非线性特性，为SOC的精确估算带来很大的困难。纯电动汽车的动力电池工作温差大，可达到55℃，目前多数SOC估算算法没有考虑温度因素的影响；另外，电池的SOC与其端电压是非线性的关系，但很多现有的算法却直接把这当成线性关系来处理，使得电动汽车动力电池SOC估算误差大，导致了电动汽车能量无法精细管理，直接影响了电动汽车的经济性及其推广进程。本文以锂离子电池作为研究对象，介绍了锂离子电池的工作原理，并对10Ah动力锂离子电池进行了数据采集。通过分析现有SOC估计方法的优缺点及适用场合，提出一种结合神经网络自学习能力和模糊系统逻辑推理能力的自适应模糊神经网络的电池SOC估算方法，建立基于ANFIS的动力锂离子电池SOC估算模型。在MATLAB平台上对基于ANFIS的动力锂离子电池SOC估算模型进行实验仿真，用采集到的大量实验数据对模型进行训练，结果证明该模型可以比较好的反映电池特性，得到的SOC预测值与实测值的误差较低，可用于锂离子电池等动力蓄电池的SOC估算。最后，设计电池管理系统的整体方案，采用LPC2210作为控制系统的主控核心芯片，设计基于ARM7的电动汽车电池管理系统的硬件部分和软件部分。硬件部分主要包括LPC2210的最小系统、数据采集电路、均衡充电电路、均衡保护电路和通信电路。软件部分采用模块化的程序设计方法，给出了主程序和子程序流程图，同时重点解决了基于ANFIS的SOC估算方法的实现。