摘要：基于电池的戴维宁（Thevenin）模型，设计了多模型自适应卡尔曼滤波器，并将多模型自适应卡尔曼滤波器应用于电动汽车电池荷电状态（state．of-charge，soc）估计。由于老化电池是未知系统，利用传统的单一模型卡尔曼滤波器估计老化电池SOC时，因模型不准确而使估计误差增大。与单一模型滤波估计相比，多模型滤波估计融合了电池的各种老化信息，适合于未知系统的状态估计，从而提高了SOC的估计精度，并通过实验证明了上述结论的正确性。利用多模型自适应卡尔曼滤波器估计电池SOC，老化电池的模型与权值最大的单一模型较接近，根据单一模型权值可以近似估计出老化电池的健康状态（stateofhealth，SOH），并通过电池容量测量，证明了SOH估计的正确性。

关键词：电动汽车 荷电状态 健康状态 多模型自适应卡尔曼滤波器 

单位：天津大学电气与自动化工程学院 天津市南开区300072