随着全球能源危机与环境恶化问题的日益突出，电动汽车以其节能、环保无污染等优点，成为21世纪汽车工业发展的主要方向。动力电池及电池管理系统(BMS)是电动汽车的关键部件，快速准确地进行剩余荷电状态(SOC)估算对提高电池使用寿命和整车性能具有重要意义。但是由于电池在使用过程中表现较强的非线性特点，使得电池SOC难以精确估算，成为电动汽车领域的技术难题之一。本文对电动汽车磷酸铁锂电池SOC估算进行了研究，主要内容如下：　　第一章，介绍了电动汽车的开发背景、研究现状和前景，着重介绍了电动汽车电池管理系统(BMS)的国内外研究现状，指出SOC估算在电动汽车动力电池管理系统中的重要性，叙述了本文的主要研究内容。　　第二章，分析SOC估算相关的理论并对其做出总结。比较分析几种常用的动力电池，重点介绍磷酸铁锂电池的工作特性、影响SOC的因素，综合比较几种传统的估算电池SOC的方法如开路电压法、Ah计量法、电阻测量法等，并提出了本文的基于人工神经网络的SOC估算方法的思想。　　第三章，简单介绍了人工神经网络理论和BP神经网络模型。结合磷酸铁锂电池特性和电池SOC影响因素，建立基于BP神经网络的电池SOC估算模型。通过对梯度下降法、基本微粒群算法、量子微粒群算法的比较，确定量子微粒群算法作为电池SOC估算模型的学习算法，通过修正收缩扩张系数β来控制算法的收敛性，避免早熟现象。建立电池SOC估算模型，用QPSO优化算法训练BP-ANN网络。　　第四章，设计电池SOC监测系统。根据磷酸铁锂电池的特点和满足功能需求的基础上设计监测系统，由控制模块、检测模块、CAN和外围电路组成。详细介绍系统各模块的功能以及设计思路，并给出实物图。将本文方法编程并在电池管理系统中加以实现，将实验结果与仿真结果相对比，验证方法的可行性与精度。　　第五章总结全文。