随着能源的短缺以及环境的恶化,新能源汽车受到了广泛的关注,其中,电动汽车以其耗能低,无排放污染等优点成为了汽车行业广泛关注的对象。电池荷电状态(State of Charge,SOC)作为电池管理系统中的一个重要参数,其在电动汽车能量的管理方面发挥着重要的作用,而电池的SOC无法直接测量,只能先依据辨识的电池参数建立电池模型,再应用相关的算法进行估计。因此,如何在汽车运行的复杂工况下,仍能对电池进行准确的参数辨识,准确的估计SOC仍是研究的热点之一。本文以三元锂电池为研究对象,针对电池的参数辨识及SOC估算算法进行研究分析。首先,对锂电池的工作原理进行介绍,接着对实验中使用的电池测试平台进行介绍,并进行电池充放电实验,分析电池的开路电压特性、充放电特性。其次,比较几种常用电池模型,选择二阶RC等效电路模型进行分析,构建电池的状态及观测方程。接着根据实测数据拟合出电池的SOC与OCV关系曲线,并对其参数进行离线辨识。之后,根据参数辨识结果,在Simulink下搭建电池模型,并利用电池的工况数据证明了所搭建的模型具有较好的精确性。再次,为了解决模型参数在复杂工况下导致SOC精度降低的问题,对电池模型采用在线的方法进行辨识,同时为了提高不确定性噪声下电池模型参数的辨识精度,在递推最小二乘法(RLS)在线辨识的基础上增加了偏差项,使用带偏差补偿的递推最小二乘法(BCRLS)辨识电池的参数。对比分析RLS与BCRLS两种辨识方法的电池参数辨识结果,验证了BCRLS及RLS算法参数辨识的合理性及正确性。在此基础上,用两种算法进行电池参数辨识测试实验,对电池模型的输出电压与实际测量端电压的误差结果进行分析,进一步证明了辨识结果的正确性与合理性,验证了实时更新参数能够提高模型的精度。最后,对卡尔曼滤波(Extended Kalman Filter,EKF)、无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的基本理论进行介绍,考虑电池在应用中噪声的影响及EKF算法的不足,最终选择加入噪声协方差匹配的自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)与BCRLS联合估算的方法对电池SOC进行估计,并搭建算法模型。然后应用电池的充放电数据,分析BCRLS与AUKF两种算法联合的SOC估算方法的估算精度,随后在SOC初值不定及噪声干扰的情况下分析该方法的估算情况,并与BCRLS＿EKF、BCRLS＿UKF的估算结果进行对比,结果表明BCRLS＿AUKF的联合估算方法表现效果好,不但可以有效抑制噪声,而且估算精度较高。