为了实现对电池参数的实时监测和SOC的预测，中文以单片机和LabVIEW平台开发出一套电池管理系统。采用LM算法，建立了基于BP神经网络的锂电池SOC预测模型，利用样本数据进行模型实验。通过不断的学习，BP神经网络预测的SOC逐渐逼近实际的SOC。结果表明，该系统能实时显示电池参数，实现数据存储；该预测模型实现了锂电池SOC预测中输入与输出之间的高度非线性映射，预测精度高，具有可行性。

 随着芯片设计技术的快速发展，基于SoC的开发平台已成为IC设计业界的热点，对SoC应用设计平台需求越来越多，同时对其性能要求也越来越高。因此本文提出了一种基于LEON3的精简的，灵活的，高性能的硬件平台的搭建方案，通过介绍基于32位的开源LEON3处理器，并将其与其他开源处理器比较，讨论了LEON3在开源，配置灵活以及强大的功能等方面的优势，最后通过在LEON3平台运行流水灯程序，验证了平台的可行性，达到预期效果。

基于STM32F105VC芯片，设计了一款锂电池电池管理系统。该设计包括电池管理系统的硬件电路、软件程序以及SOC算法。硬件内容包括电源转换电路、拓展CAN模块、RS232模块。使用KEIL MDK软件开发电池管理系统的主控程序。SOC算法采用拓展卡尔曼滤波方法。最终的样品验证测试表明，文中设计的电池管理系统主控单元能够准确计算SOC，及时准确与整车控制器（VCU）通信。文中设计的输入电压为19~32 V，电源抗干扰能力强，可直接连接电动车电源进行供电，作为电动汽车的电池管理系统。

文中以4节12 V的串联锂离子电池组模块为研究对象，通过实验采集动力电池充放电时的电压、电流、温度、内阻和放电量数据来估算电池的荷电状态（State Of Charge，SOC），重点考虑内阻对动力电池SOC预测结果的影响。以动力电池的电压、电流、温度和内阻作为输入，SOC作为输出，建立四输入一输出的神经网络仿真模型。实验结果表明SOC的预测精度为1.6%，比未考虑电池内阻的预测精度提高45%左右。本文提出的预测方法，其运行时间为0.27 s左右，比不考虑电池内阻时稍有延长，但完全能满足不同工况动力电池充放电时SOC在线估算的速度要求，从而能实现SOC的在线准确预测。

文章提出了一种基于JTAG的SoC片上调试系统设计方法，该系统主要包括JTAG接口和片上调试模式控制单元。通过执行不同的操作指令，该片上调试系统可实现断点设置、单步执行、寄存器和存储器内容监控、在线编程以及程序运行现场设置等调试功能。文章同时说明了片上调试系统的工作原理和硬件架构。

针对特种工业缝纫机逐渐向高精度、高速度的专业化发展需求，设计了一款以基于ARM+SOC+DSP特种工业缝纫机控制系统，该方案集成了系统电源、运动控制板、交流伺服驱动器、三轴合一步进驱动器、ARM主板等功能模块。该控制系统综合应用ARM、DSP、SOC等嵌入式技术，实现了对特种工业缝纫机缝纫机的高速、高精度运动控制，具有扩张功能快捷、操作方便、性价比高等优点，主要技术指标达到国际先进水平。