全球一次性能源的短缺及人类环保意识的提升促进了绿色可持续能源的发展。近年来,高比能量、高性价比的三元锂离子电池已成为新能源领域的重要组成部分,被公认为优化现有能源结构的关键。然而,由于现有的电池管理机制不合理,电动车起火、爆炸等安全问题仍时有发生,极大阻碍了锂离子电池的发展。随着消费电子产业的高速发展,高性能电池的市场需求不断扩大,锂离子电池安全隐患亟待解决。准确估计荷电状态和健康状态是电池管理系统安全控制和高效管理的基础,也是推动其市场应用的关键。围绕高能量密度三元锂离子电池的SOC与SOH协同估计问题,开展了以下研究。（1）电池特性研究与等效模型构建。首先查阅文献,对锂离子电池的内部结构及特性进行了研究和分析,搭建实验平台对三元锂离子电池进行实验,探索锂离子电池工作特性。利用控制变量法开展实验,定量探索各内外部因素对电池特性影响,进而搭建电池动态等效电路模型。测试了各模型参数在不同SOC值下的敏感性,分别采用离线辨识、在线辨识法以及部分参数在线辨识的方法对电池模型参数进行估计,并对比估算精度和时间成本,结果表明,选择敏感度高的电池参数进行在线辨识,其余参数使用离线辨识的方法与全参数在线辨识精度相比没有显著降低,且计算成本大大降低。（2）针对电池老化对电池内部特性和电池容量的不可逆影响,采用最小二乘曲面拟合,对OCV-SOC-Qmax进行耦合关系建模,建立了最小误差原则下的多参数耦合关系曲面,并将这种函数关系用于参数辨识和状态估计过程,有效降低了电池老化效应对锂离子电池造成的模型表征误差和状态估计误差。（3）针对锂离子电池的状态协同估计问题,考虑到电池SOC和SOH之间相互影响而变化的时间间隔存在明显差异,建立了基于不同更新频率的改进自适应无迹卡尔曼滤波-无迹粒子滤波（Adaptive Unscented Kalman Filter-Unscented Particle Filter,AUKF-UPF）迭代模型,通过分别构建状态估算模型和自适应迭代算法对非线性系统的锂离子电池SOC与SOH进行协同在线估算。通过改进Sage-Husa算法可以减小传统卡尔曼滤波算法对噪声的局限性假设带来的估计误差,并且状态协同估计形成的闭环可以使状态量之间相互反馈校正,实现了对高能量密度锂离子电池关键状态量的高可靠性实时监测。（4）SOC-SOH协同估计策略有效性和鲁棒性验证。为了验证课题中所提出的改进算法对高能量密度锂离子电池状态协同估算的效果,基于电池实验平台对电池进行多种工况下的实验,主要包括恒流放电工况、间隔脉冲放电工况和动力测试工况三种。提取每种工况下的输入电流及输出电压进行验证,并设置不同的状态估计初值。对比结果表明,相对于其他单一算法,这种协同估计策略极大提高了SOC和SOH的估算精度及鲁棒性。课题针对电池管理系统BMS的核心技术SOC和SOH的准确估算问题,探索电池老化特性,构建电池OCV-SOC-Qmax耦合曲面,并将其运用于电池状态协同估算模型中。根据电池SOC、SOH定义和等效电路模型建立分别状态空间模型,设计改进AUKF-UPF迭代滤波算法实现对电池SOC、SOH的协同估算,实现了高能量密度锂离子电池剩余可用电量估算、寿命预测,有效地降低安全隐患、提高电池能量运用效率、延长锂离子电池使用寿命。