中文摘要：

本项目主要研究 UKF 的改进方法，使其能够适用于非线性非高斯系统，并将改进的UKF 算法用于电池组SOC 精确估计。同传统的模糊算法、神经元算法用于电池组SOC 估计相比，UKF 具有数据计算量少，预测精度高等优点。本项目的创新点在于1、对UKF 算法进行改进，使其能够适用于非线性非高斯系统，同时对提高UKF 算法运行速度的优化方法也做了相应研究，使得UKF 算法的实时性与稳定性进一步提高；2、在已有的基于Kalman 滤波和扩展Kalman 滤波进行电池SOC 估计的基础上，提出将改进的Unscented Kalman Filter(UKF)应用于电池组SOC 的估计，在提高SOC 估计精度的同时，避免了扩展Kalman 滤波中繁琐的求导过程，进一步提高了算法运行的实时性。通过本项目的研究，进一步从理论上设计了合理的电池组SOC 估算模型，改进了电池可测参数的测量方法，为我国开发自主知识产权的电动汽车相关技术提供了相关研究基础。