铅酸电池在汽车上承担起动和辅助供电作用,是整车电源系统的重要组成部分。铅酸电池荷电状态(State of Charge, SOC)是电池内部状态中一个重要参数,在节能环保汽车中,SOC值作为电源管理策略的输入之一,其估计精度直接关系到电池使用寿命和整车能量管理的有效性。本课题以国家自然基金和企业合作项目为依托,研究了汽车铅酸电池SOC实时在线估计方法及其在电池传感器中的实现。首先,通过对现有电池模型的分析对比,建立符合铅酸电池特性的简化Randles等效电路模型,将协方差矩阵收敛算法与卡尔曼滤波相结合用于模型参数的在线辨识。其次,将改进的卡尔曼滤波分别与扩展卡尔曼滤波和无迹卡尔曼滤波相结合估计电池SOC并对比了二者的精度;分析了SOC估计精度的影响因素。再次,将上述SOC估计方法在MC9S12ZVCA128主控芯片上进行了实现,开发了电池传感器的样机节点,设计了参数采集电路和LIN通信电路,编写了参数采集、SOC估计和LIN通信等程序。最后,建立了基于Simulink仿真组件和S函数的仿真模型,搭建了电池实验台架,开发了上位机测试软件,设计了电池实验方案并制定了具体的实验步骤和数据采集方法。放电实验结果验证了本文参数辨识和SOC估计方法可以有效提高SOC估计的精度,并且验证了电池传感器的参数检测与SOC估计精度准确可靠。本文研究对于加强电池的保护,提高电源管理的有效性以及探索高精度复杂算法在电池传感器中的实现具有重要意义。