锂离子电池具有高能量密度、高功率密度、低自放电率、长循环寿命、运行可靠以及低环境影响等优点，目前应用范围极其广泛，尤其是在电动汽车的领域中。在电动汽车的领域中，电池管理系统（Battery Management System,BMS）是极其重要的，因为其主要的功能就是电动汽车中锂离子电池的健康状态（State of Health,SOH）和荷电状态（State of charge,SOC）的估算。SOC的估算是取决于OCV放电曲线，而OCV放电曲线是根据电池的最大容量而变化。所以为了实现精确的SOC与SOH的估算，电池的最大容量扮演了至关重要的角色。本文的研究对象主要以18650型号的锂电池为主，还包含有宁德时代提供的车载动力锂离子电池，本文针对电动汽车领域中的锂离子电池寿命（SOH）重点展开研究。
　　本文首先介绍了SOH的几种不同定义方式，然后介绍了本文中实验所使用的能够实现对电池内阻达到微秒量级检测的一种自制内阻检测设备。该设备是通过大电流进行脉冲放电过程，可以对电池内阻进行实时的检测。然后利用实验数据首先进行了相关性的研究。针对相关性的研究结果，提出了两种模型进行SOH的估算。
　　首先使用多项式拟合的方法来进行电池最大容量与电池内阻的拟合，在三阶的多项式拟合模型中取得了不错的效果，误差均值为40.14mAh，百分之七十五的数据的拟合误差都在1.92%以内。
　　然后选用神经网络模型对实验数据进行学习，使用电池内阻、SOC和温度进行电池最大容量的估算，并取得了较好的结果，模型的误差均值52.95mAh，百分之七十五的数据的误差均值在2.68%以内。
　　之后针对电动汽车中可能存在的接触内阻的问题，提出了差分内阻的概念，并使用模型进行测试，在目前的精度下得到了模型结果。
　　最后，提出了锂离子电池最大容量估算平台的建设问题，针对需要的功能进行了介绍，并具体介绍其实现方式，最后展示平台的各项功能的测试结果。