锂动力电池能量高、污染低、安全性高,目前已成为新能源汽车的主要动力来源之一。动力电池的健康度(State of health,SOH)是目前电动车动力电池系统中最重要的一项性能指标。电池的SOH与电压、电流、内阻、温度等其他电气参数有别,无法通过设备或仪器采用直接测量法获得,但这些电气参数随着电池的SOH的变化而变化。因此,准确的锂电池健康度状态在线估算问题也成为了电动车动力电池管理系统的关键技术之一。本文针对锂电池健康度估算研究、扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法研究、双卡尔曼滤波(Dual Extended Kalman Filter,D-EKF)在线估算策略及联合卡尔曼滤波(Federated Extended Kalman Filter,F-EKF)综合评价等问题提进行深入研究,具体如下:在基于自放电电阻的电池等效电路模型研究基础上,通过电池循环寿命测试实验结果,得到电池健康度受到内阻、容量、自放电电阻和荷电状态(State of Charge,SOC)等参数影响的结果。结合电池状态参数的特点,以电池戴维南等效电路模型为原型,构建带有电池自放电因子的等效电路改进模型。通过对模型的系统参数辨识,得到电池参数中荷电状态初始值选取的不同会带来模型参数差异的结论。在结合改进的戴维南等效电路模型的基础上,采用安时积分法建立锂电池SOC的状态方程和输出方程,采用扩展卡尔曼滤波算法对系统中的各个参数进行观测,实现在线观测锂电池荷电状态的目标。系统仿真观测结果表明,扩展卡尔曼滤波算法的锂电池荷电状态在线估算具有较好的精度。在扩展卡尔曼滤波算法的锂电池荷电状态在线估算研究的基础上,展开电池容量健康度、内阻健康度和自放电健康度估算研究。根据电池内部状态参数的多样性和复杂性,进行针对内阻、容量和自放电特性的相关实验。实验结果表明,基于EKF算法的电池SOH在线估算方法具有较好精度,可以基本满足电动公交车实际使用工况的需要。针对电池SOH在线估算时电池模型的初始参数无法事先确定导致误差增大的问题,引入D-EKF算法,通过建立两个独立的扩展卡尔曼滤波器,分别估算电池系统状态和参数,并相互更新状态和参数。实际路况试验和数据仿真结果验证D-EKF算法的有效性和精度。针对电池健康度标准和描述不完善的问题,从电池的实际应用和测量学角度,提出“电池广义健康度(Generalized State Of Health,GSOH)”概念,用来评价电池的性能参数。建立带有信息分配因子的电池广义健康度函数结构,设计欧姆内阻健康度、自放电健康度和容量健康度的局部滤波器,并对信息分配因子对主滤波器及子滤波器的分配影响进行研究,并给出一种自适应式概率分配因子的最优分配算法。针对单体电池组成动力电池模块后寿命下降的问题,通过基于失效模式及效应分析法(Failure Mode Effect Analysis,FMEA)对锂电池进行故障诊断和失效分析,提出一种聚类分析法的电池分选办法,得到与电池成组寿命相关的主要因素和电性能参数,提出“电池动态一致性分选”概念,有效提高动力电池的健康度。根据对电动汽车锂动力电池广义健康度的理论分析和大量的实验室及现场试验结果,结合电动公交车实际使用工况,对研究成果进行了验证。实验结果表明,基于F-EKF的锂动力电池在线估算方法够满足锂动力电池SOH估算的精确度要求。