电池管理系统(Battery Management System, BMS)作为混合动力汽车(Hybrid Electric Vehicle, HEV)中不可缺少的现代化装置在国内外迅速发展。它能完成HEV中电池状态(电压、温度、充放电电流及电池荷电状态)的实时监测,然而估算电池的荷电状态(State of Charge, SOC)是BMS最重要的功能。本文为了准确预测汽车动力电池的SOC,在目前一些常用的SOC估算方法的基础上,把安时法、开路电压法和卡尔曼滤波算法结合起来,并考虑温度、滞环效应等因素对SOC的影响,提出了新的SOC估算方法。通过建立电池的二阶动态RC模型并且采用双无味卡尔曼滤波(Double Unscented Kalman Filter, DUKF)的方法同时估算电池模型的状态和参数,使电池的SOC估算达到更高的精度。BMS通过监测电池的工作状态能够避免电池在工作中出现过充、过放和过热现象,提高了电池的使用寿命。本系统是以AT89C52单片机为控制核心,通过控制电能质量管理芯片DS2438及外围电路,结合卡尔曼滤波算法实现对蓄电池的电压、电流以及SOC的精确的测量。数字化温度传感器DS18B20在单片机的控制下能完成蓄电池温度的检测。本系统将测量到的数据在实验面板上通过数码管显示,并且利用AT24C02存储器能够使电量信息在系统掉电时不丢失,系统通过RS232通讯串口与上位机进行通讯,可以接收上位机命令。最后通过蓄电池的放电试验初步确定了电池的模型参数,以及电池的开路电压(Open Circuit Voltage, OCV)与SOC的关系曲线(OCV-SOC曲线),并且采用matlab仿真验证了DUKF方法对SOC估算的准确性。通过实验验证了本文中设计的BMS对蓄电池的电压、电流以及SOC监测的准确性及可靠性。