近年来,环境恶化和能源紧缺的问题越来越严峻,世界各国都在寻求汽车行业的能源转型。在我国相关政策推动下,新能源汽车取得迅猛发展,而动力电池的状态关系到动力机械的合理运行、整车的续驶里程甚至乘客的人身安全。由于动力电池的状态变化受到环境温度、充放电倍率和循环次数等多方面因素强耦合,电池容量呈现出不同路径的衰退,同时容量的衰退又增加了电池荷电状态的估算难度。动力电池的SOH和SOC估算是电池管理系统研究中的热点和难点。本文的主要研究内容如下:（1）研究了磷酸铁锂电池的组成结构和工作原理,从有效锂离子的减少、正负极活性材料的损失和电解液的分解三方面归纳总结了磷酸铁锂电池的衰减机理。（2）解析了锂离子电池常用的性能参数,对比分析了SOH和SOC不同定义方式的优缺点,通过电池试验平台,选择了CC-CV充放电策略,设计了磷酸铁锂单体电池的循环充放电试验以及循环次数、放电倍率、温度对电池电压、电阻的性能影响试验。结合磷酸铁锂电池电化学机理深度分析了循环次数、放电倍率和温度对电池性能参数的影响。（3）阐述了BP神经网络的工作原理,从信号正向传递子过程和误差反向传播子过程两方面推导了BP神经网络的学习过程,通过循环充放电试验所得数据,将表征电池状态的放电电压和电阻作为估算电池SOH的网络输入样本,设计搭建了估算电池SOH的BP神经网络模型。将容量因素加入到电池SOC的估算模型中,选取了电池全寿命周期中SOH步长为5的放电电压数据作为电池SOC估算模型的输入样本,设计了估算电池SOC的BP神经网络模型,分析总结了BP神经网络模型估算电池SOH和SOC的效果以及可优化之处。（4）在免疫算法工作原理的基础上,分析了BP神经网络与全局寻优算法结合的必要性,以及免疫算法与BP神经网络融合的合理性,为显现免疫算法的优化效果,选用了与BP神经网络模型相同的网络结构和数据样本,分别搭建了估算电池SOH和SOC的IA-BP神经网络模型,通过IA-BP神经网络模型与BP神经网络模型对比,相同测试样本下,经过免疫算法优化后,SOH和SOC的估算在预测精度和迭代效率上均表现出更加优良的效果。