全球能源与环境危机使得新能源汽车取代传统燃油汽车成为必然的趋势,然而车载动力电池的成本与使用安全问题目前仍然是限制电动汽车技术发展与应用的最大阻碍。电池管理系统(BMS)作为连接动力电池与电动汽车的纽带,是确保动力电池安全与高效利用,延长电池使用寿命的重要保障,其在整车电控中的地位举足轻重。基于分布式架构的BMS在搭载大容量电池的纯电动汽车中应用最为广泛。然而该种架构需要多个从控制器与主控制器配合,通讯网络较为复杂,成本较高,且存在主、从控制器之间任务与资源分配不甚合理的问题。随着BMS中状态估计等功能越来越复杂,传统的分布式BMS架构仍然存在诸多待改进之处。状态估计算法、均衡策略等软件是BMS的核心技术。库伦计数与开路电压标定是BMS发展的初级阶段应用最多的荷电状态(SOC)估计方法,这些开环估计方法因其自身缺陷正逐渐滞后于行业技术的发展。以神经网络与机器学习为代表的黑箱算法也曾被应用到SOC估计中,但是其计算量大的特点并不适用于嵌入式微处理器的应用。基于状态空间模型的方法应用最为广泛,以何种方法辨识模型参数,提高SOC估计的精度,是目前BMS研究中有待解决的问题。此外,电池组中串并联的成百上千节单体在生产制造与使用过程中存在内阻、容量等参数的不一致性。怎样在电池使用过程中降低组内单体不一致性是提高电池组能量利用效率,延长车辆续航里程,确保电动汽车安全运行的重要保障。为解决上述问题,本文的工作包括:(1)分析了传统分布式BMS中存在的硬件资源分配不甚合理、控制器成本过高等问题,并在其基础上提出了基于差分式串行通讯总线的双核BMS架构,重新整合、分配硬件资源,将任务需求与资源相匹配,提高了资源利用效率。(2)调研并对比分析了各家半导体厂商能为BMS提供的硬件解决方案,从控制器、电池组监控器、均衡控制器与拓扑等多个方面进行了 BMS硬件平台的设计与实现。(3)为BMS硬件实验平台移植了嵌入式实时操作系统SYSBIOS,对系统任务进行了划分与优先级分配,设计了多任务间的同步与通讯,并测试了嵌入式系统的运行。(4)对比了电池模型参数离线标定与在线辨识方法的不同,提出了采用阻尼递推最小二乘算法在线辨识模型参数,结合扩展卡尔曼滤波算法估计电池荷电状态,并实验测试了该算法在实际工况中的鲁棒性以及对电池种类与老化程度的自适应性。(5)实验验证了 BMS数据采集功能的精确性,并在此基础上进行了一系列均衡实验,以静态和动态均衡方式验证了本文设计的快速均衡拓扑及其控制策略的可行性与有效性。