近年来由于能源危机和环境日益恶化的问题,电动汽车成为了全球各大汽车厂商的研究热点。锂离子电池作为电动汽车的动力源,为了保证电动汽车的安全高效行驶,需要对电池的状态进行实时监测。对电池当前健康状态做出准确估计,并对容量的衰退趋势做出预测,有利于对电池的诊断提供依据,制定合理的锂离子电池维护更换策略。本文就动力锂离子电池的健康状态估计和容量衰退预测做了以下工作:首先对电池的内部结构、充放电机理、健康状态的影响因素进行分析,对电池的失效过程和外特性参数的变化进行研究。确定了将电池的容量作为锂离子电池健康状态的评价指标,并基于锂离子电池充放电过程的状态参数,提出将电压、电流、温度、荷电状态(SOC)联合作为健康因子进行SOH估计。在确定健康因子的基础上,利用支持向量回归优异的非线性映射能力,通过支持向量回归机建立健康因子与健康状态之间的关系,选用径向基核函数作为支持向量回归机的核函数,根据粒子群算法和网格搜索算法寻优得到支持向量回归模型最优参数对,对模型进行训练,在MATLAB环境下验证了选取的健康因子能够准确的估计动态工况下动力锂离子电池健康状态。因动力电池在实际使用过程中,电池的容量衰退受到多种因素影响,难以建立合理的衰退模型。因此本文选用BP神经网络对电池容量的衰退趋势进行预测,针对BP神经网络对初始权值阈值敏感的问题,本文选用蚁群算法对BP神经网络初始权值阈值进行优化。最后,通过NASA的公开数据集中电池循环寿命试验数据进行验证,在MATLAB环境下的验证结果表明,基于蚁群优化BP神经网络的方法能够准确的预测锂离子电池的容量衰退趋势。