随着能源和环保问题的日益突出,混合动力电动汽车以其零排放,噪声低等优点而受到世界各国的高度重视,电池能量管理系统作为发展电动车的关键技术之一,是电动车产业化的关键。本文致力于电动汽车蓄电池能量管理系统中电池荷电状态的预测研究,深入讨论了镍氢电池的充放电特性、内阻特性等,开展了对镍氢电池充放电容量的预测和估计方法的研究。主要研究工作以及研究成果如下:分析了镍氢蓄电池的基本工作原理、充放电特性以及影响蓄电池SOC (state of charge)剩余容量的因素,从多个方面对目前各种动力蓄电池点进行了比较,发现镍氢蓄电池是较为理想的电动汽车动力源。研究了镍氢电池SOC的几种预测方法:即通过计算电池在充放电时的累积电量来估计电池的SOC的电量累积法;通过计算镍氢电池的内阻来计算电池SOC的内阻法以及通过测量电池的开路电压来估计SOC的开路电压法等等,比较了这些方法的优缺点,并提出了本文的基于ANN的SOC预测方法的思想。为有效地对电动车蓄电池的SOC进行预测,引入了人工神经网络BP改进算法的Levenberg-Margardt (LM)算法,建立了基于镍氢电池的神经网络模型。实现了对镍氢电池充放电过程中任一状态下的剩余容量的预测。并对镍氢蓄电池SOC的预测进行了仿真,结果表明,通过该网络模型可以方便快速的得到电池的SOC值,所得结果满足要求,为电池管理系统提供了一种新的电池SOC的预测方法。通过实验发现由于误差反传多层前馈网络本身的缺陷造成误差较大,应该寻求一种更加简便精确的预估方法。神经网络有对非线性函数的任意逼近能力,使用简单的误差反传网络和ELM网络预测SOC,精度不高。采用ELM网络相结合,增加了网络训练的收敛速度,精度高,运算快。最后,设计确定了类似多层前馈网络的全新网络结构,结果表明该网络能够预测恒流和变电流条件下的SOC。为一类物理化学电源的预测提供了新的方法。