能源危机和环境污染已经向人类敲响警钟,因此如何替代传统的燃油汽车成为人们一直以来争论的话题。目前应用动力锂离子电池组作为动力源的电动汽车受到人们的高度关注和青睐,已经成为新能源汽车的研究热点。有关动力锂离子电池组的研究除了围绕动力锂离子电池本身外,有关电池管理系统的研究也在进行当中,其中有关电池管理系统准确估计锂离子电池的健康状况（State-of-Health,SOH）是当前研究的薄弱环节,已经成为当前电池管理系统的最大缺陷,直接影响到锂离子电池组的实用性、经济性、安全性等方面。电池组的健康状况（State-of-Health, SOH）描述的是一个缓慢的、不可逆的变化过程,随着循环使用次数的不断增加,电池组的健康状况会有下降的趋势,实际上这种下降趋势主要受到健康状况下降最严重的单体电池的影响,因此通过电池管理系统准确对电池组的健康状况进行估计,对健康状况下降达到临界值的单体电池予以更换,可以有效延长电池组的使用寿命,节约成本,有很高的经济价值,同时也为动力电池的荷电状态（State of Charge, SOC）估计、电池均衡系统等方面提供参考依据,对于推动电动汽车事业的发展具有重要意义。动力电池的SOC和SOH是电池两个重要状态,然而与SOC的研究相比,有关SOH的研究相对滞后,估计方法也不太成熟,目前有关SOH的估计方法主要分为传统和现代两类,传统的方法主要是以电池循环充放电试验为基础,对电池特性的变化情况进行分析,从而估计电池的SOH,缺点是造成浪费、试验周期长、不能在线实时测量等,不符合电动汽车的使用要求；在传统方法的基础上人们又研究了现代方法,该方法以不同的电池模型为基础,应用模糊逻辑算法、神经网络算法或者卡尔曼滤波算法等先进算法对电池的SOH进行估计,并且收到了很好的实用效果,其中应用卡尔曼滤波算法估计电池的SOH倍受关注。本文的主要工作是首先论述了课题的研究背景以意义、动力电池SOH的研究现状、锂离子电池特性以及影响锂离子电池SOH的副反应过程,并且分析了能够表征动力电池SOH的特征量,即电池的内阻和额定容量,考虑算法估计过程的复杂性以及难易程度,单独选择内阻作为分析对象；接着从电池成组后的角度分析了锂离子电池组SOH的影响因素；然后通过对不同单体电池模型的分析,找出能够充分体现电池内阻变化关系的模型,并且在此基础上结合“木桶原理”建立了电池组V_min。模型；接着在不同工况下对电池进行充放电试验,获取有关数据,通过最小二乘辨识法确定模型参数,并且考虑将该方法应用到电池SOH的估计当中,一方面该方法符合电池内阻的变化特性,可以用于定期检测电池的SOH变化,一方面可以用于定期标定电池模型的参数,提高应用模型的估计精度；最后,在MATLAB中建立电池模型,应用扩展卡尔曼滤波算法对电池的SOH进行仿真估计,首先尝试用扩展卡尔曼滤波算单独对状态量电池内阻进行仿真估计,跟踪效果较好后,在此基础上加入SOC因素,采用双扩展卡尔曼滤波算法同时对电池内阻及SOC进行仿真估计,最终完成对电池SOH的估计。同时应用最小二乘法及双扩展卡尔曼滤波算法对动力锂离子电池组的SOH进行估计,实现静态估计与动态估计相结合,实现离线与在线相结合,提高系统可靠性以及估计精度。