در این مقاله با بکارگیری یک شبکه عصبی فازی و براساس مدل فضای حالت باتریهای لیتیوم-یون، حالت شارژ باطری تخمین زده میشود. دادههای ازمایشگاهی نمونهبرداری از باتری، عبارتند از سیگنالهای ولتاژ و جریان پایانههای باتری که برای مدلسازی باتری مورد استفاده قرار میگیرند. با اجرای پنجره لغزان، پارامترهای مدل سیستم در پنجرههای کاری مختلف براساس روش کمترین مربعات خطا شناسایی شده و با استفاده از یک شبکه عصبی فازی اموزش داده میشوند. سپس از تئوری فیلتر کالمن بهره برده و یک الگوریتم جهت تخمین حالت شارژ ارائه میشود. سه دسته داده عملی از اطلاعات ولتاژ و جریان باتری به صورت جداگانه جمعاوری شده و برای اموزش شبکه عصبی فازی ، تعیین صحت عملکرد تخمین پیشنهادی و های فیلتر تطبیقی ها، مقایسه تخمین به روش پیشنهادی و روش برای هر سه دسته از داده شوند. مدل اموزش یافته، بکار گرفته می Hinf ، EKF و SRUKF ان صورت پذیرفت که نتایج نش میداد روش پیشنهادی در تمام حالات از شاخص خطای تخمین مناسبتری برخوردار میباشد