随着电动汽车的普及以及相关政策的推广,针对车用电池的研究也逐渐成为大家所关注的热点。电池SOC估算是电池研究领域的一个重要的研究方向。准确地预估动力源的SOC对汽车来说至关重要。聚合物锂离子电池有着能量密度大,轻薄易组合等特点,其开路电压的变化曲线也便于数学拟合。本文基于聚合物锂电池展开研究。考虑到卡尔曼滤波算法对数据的滤波处理,能够在有噪声干扰的情况下逐渐逼近真实值且不需要太大的计算量,本文基于卡尔曼滤波算法优化处理估算锂电池SOC。首先对实验电池进行外特性数据获取实验,然后分析在不同充放电状态下的开路电压曲线。基于这些实验数据,选用戴维南等效电路模型并对模型作改进处理,加入充放电状态和SOC变化的因素并搭建了matlab/simulink电池模型。分别在脉冲工况和变电流工况下验证了改进模型的精度要高于原始戴维南模型的端电压拟合精度,为后续研究奠定基础。在估算电池SOC之前需要先辨识出电池模型的参数。首先针对离线辨识作了改进处理,在固定参数的离线辨识的基础上加入充放电状态和SOC变化的因素。其次融合离线辨识和基于数据驱动的在线辨识的优点,提出两种结合离线辨识和在线辨识的参数辨识方式。构建四种参数辨识的matlab/simulink模型,最后在脉冲工况和变电流工况下验证四种方式的精度。证实结合离线辨识和在线辨识的参数辨识方式具有一定意义,其精度较高。最后得出考虑充放电状态和SOC变化的离线辨识精度最高。基于改进的等效电路模型,分析电池SOC估算原理,结合离线辨识搭建扩展卡尔曼滤波算法和无迹卡尔曼滤波算法估算SOC的模型。并在此基础上构建添加噪声更新和交互多模型的自适应算法模型以估算电池SOC。搭建了交互多模型-扩展卡尔曼滤波算法、自适应扩展卡尔曼算法以及自适应无迹卡尔曼算法三个自适应算法。最后在DST工况中经实验验证,在这五种算法中,自适应算法的精度较原始算法得到提高,并且自适应扩展卡尔曼滤波算法是所有算法中的最优算法。综合计算精度和计算量两方面评价,自适应扩展卡尔曼滤波算法是三个算法计算量最小且计算精度也最高。