چکیده: در این پایان‌نامه، هدف یافتن روشی بهینه برای بهبود تخمین میزان شارژ باتری است. یکی از روش‌های رایج در این حوزه، به دلیل غیرخطی‌بودن مدل باتری، استفاده از فیلتر کالمن توسعه‌یافته است. بااین‌حال، این روش به دلیل نیاز به تنظیم دقیق پارامترها، معمولاً با خطای تخمین قابل‌توجهی همراه است. برای رفع این مشکل، روش فیلتر کالمن توسعه‌یافته تطبیقی پیشنهاد شده که با بهره‌گیری از تنظیمات تطبیقی، دقت بالاتری در تخمین شارژ فراهم می‌کند. اما این روش نیز همچنان نیازمند تعیین دقیق پارامترهای تطبیق است. در این پژوهش، با بررسی دقیق فیلتر کالمن توسعه‌یافته تطبیقی، روشی هوشمند برای تنظیم پارامترهای آن ارائه می‌شود. ازآنجاکه مدل باتری و فرایند تخمین شارژ آن به‌شدت به شرایط محیطی و عملیاتی وابسته است، استفاده از روش‌های یادگیری بدون مدل، مانند یادگیری تقویتی، پیشنهاد می‌شود. در این تحقیق، الگوریتم یادگیری تقویتی برای یافتن بهترین پارامترهای تطبیقی به کار گرفته شده است. بدین صورت که پس از بررسی یکی از روش‌های متداول تخمین شارژ، پارامترهای تنظیمی آن به‌عنوان مجموعه‌ای از اعمال گسسته در نظر گرفته شد. هدف بهبود عملکرد فیلتر به‌عنوان تابع پاداش تعریف شد. پس از انجام آموزش و بهینه‌سازی، عامل بهینه انتخاب شد و عملکرد آن بر اساس میانگین مربعات خطای تخمین مورد ارزیابی قرار گرفت. نتایج نشان‌دهنده بهبود به میزان 1.61% در این معیار است.