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，可以提高相关领域的研究水平，进一步从理论上设计合理的电池组SOC估算模型，改进电池可测参数的测量方法。