随着新能源汽车的发展，电动汽车逐渐受到关注和重视。作为电动汽车的关键组成部分和主要能量来源，动力电池成为当前研究的热点。为了提高和改善电池性能，需要有一套电池管理系统来对电池进行全方位的监控。电池荷电状态作为电池的一个重要状态量，为电池管理系统进行电池的监控管理提供了重要的参考依据，同时，SOC也是影响整车控制性能的重要参考量。本文首先阐述了对电动汽车锂离子电池SOC进行估计的重要意义，介绍了当前主要的动力电池种类，对比了当前常用的SOC估计算法的优缺点。接着简要地介绍了锂离子电池的基本结构和工作原理；对比了各类电动汽车锂离子电池模型，根据不同的电池等效电路推导出相应的状态方程，从而搭建电池等效电路模型；搭建完电池模型后，为了获取电池模型参数进行了电池参数辨识实验，通过标定实验得到了电池开路电压和电池SOC的关系曲线，通过HPPC实验，对电池参数进行拟合，得到了电池模型内部电容电阻等参数值；接着对搭建的模型进行了模型验证，给定相同的输入比较模型与真实电池的输出是否一致，以此来验证模型的准确性。基于卡尔曼滤波(Kalman Filtering, KF)原理，在扩展卡尔曼滤波(Exterded KalmanFiltering, EKF)算法的基础上，本文提出了双卡尔曼滤波算法估计锂离子动力电池SOC的方法。首先通过第一个扩展卡尔曼滤波估计算法得到第一个SOC估计值，然后利用安时积分法估计得到第二个SOC估计值，最后利用卡尔曼滤波算法将两种方法估计得到的SOC估计值进行卡尔曼加权处理，从而得到最终的SOC估计值，即双卡尔曼(Double Kalman Filter,DKF) SOC估计值。在双卡尔曼滤波算法的基础上设计了双卡尔曼估计器。通过多组实验，将双卡尔曼估计器、安时积分估计器、EKF估计器估计得到的SOC与参考SOC值进行对比，从而验证DKF算法对SOC估计的准确性及其相对其他两种SOC估计算法的优势。最后，将编写的DKF算法嵌入到基于ARM平台的嵌入式系统中进行实物验证实验。嵌入式系统包括主控机和测控机，其中，测控机主要负责采集数据，将实时测量得到的电池电流、电压等电池信息传输给主控机进行处理；主控机主要负责数据处理和控制部分，对测控机传来的数据进行分析处理，同时通过一系列的保护控制保证电池的正常运行。双卡尔曼滤波估计算法在测控机中运行，通过电池电流、电压数据，使用DKF算法估计得到DKF SOC估计值。经过多组实验，通过对测控机保存的各个时刻DKF SOC估计值的分析，验证了DKF估计方法估计结果有效性。