近年来,为了减少汽车尾气排放和缓解能源危机,新能源汽车尤其是电动汽车得到了迅速发展。锂离子电池作为其储能装置,发挥着十分重要的作用。随着电动汽车性能和续驶里程的提升,锂离子电池的功率和容量越来越大,其安全性和可靠性也变得愈加重要。在锂离子电池循环使用的过程中,其健康状态（State Of Health,SOH）会逐渐退化,剩余使用寿命（Remaining Useful Life,RUL）会逐渐缩短。当电池达到寿命终止条件时,若没有及时更换,将会严重影响汽车的性能和安全。因此,准确地监测电池健康状态并预测其剩余使用寿命具有重要意义。若要想获取准确的电池内部老化参数,则需要对电池进行拆解研究,该类方法的成本高并且很难应用在实车上的动力电池。因此,本文采用能够表示电池老化并且可通过计算得到的性能参数进行研究。首先,在实验室条件下对能够表示电池老化性能参数的特性进行了研究。然后,对实车行驶数据进行数据挖掘,由于实际环境下的数据与实验室条件下的数据差距较大,故先对数据进行预处理。结合实车行驶数据的特点建立了电池模型和容量计算模型,分别用来计算电池内阻和容量。最后,本文选取容量健康指标（Health Indicator,HI）建立SOH衰减模型,使用长短期记忆神经网络（Long Short Term Memory,LSTM）学习SOH衰减规律并建立电池寿命预测模型,对电池RUL进行预测。本文的主要研究内容如下:（1）在实验室条件下对磷酸铁锂电池单体进行基本性能实验研究,然后分析不同性能参数的特性。首先,根据静态容量标定实验获取电池的额定容量,分析了放电电流和环境温度对电池容量的影响。然后,利用混合功率脉冲测试（HPPC）获取电池内阻,分析了充电和放电过程中内阻随电池荷电状态（State Of Charge,SOC）的变化。最后,介绍并分析了电池的老化机理和老化模型,并确定使用外特性老化模型进行研究。（2）通过数据挖掘和改进递推最小二乘法（RLS）建立了基于实车行驶数据的电池等效电路模型。首先,对长春市361路纯电动公交车的实车行驶数据进行分析提取,并对其进行预处理。然后选择一阶RC等效电路模型和RLS对动力电池参数进行辨识。由于动力电池在实际运行过程中无法获取准确的SOC-OCV（Open Circuit Voltage,OCV）曲线,本文对RLS算法进行改进,得到RLS-OCV动态辨识方法,并用其计算出电池欧姆内阻。最后,基于欧姆内阻对电池健康状态进行了评价。（3）对挖掘出的电池充放电数据进行研究,建立了基于实车行驶数据的电池容量计算模型。首先,选取符合设定条件的充放电数据,采用安时积分法和可变滑动窗口法计算电池容量,并采用箱型图法剔除异常值。然后,考虑了温度和电流对容量的影响。通过分析充电数据发现电池采用恒流充电方式,并且充电电流大小为100A或200A。因此,本文主要考虑了环境温度对电池容量的影响,对电池容量进行了温度修正。最后,基于容量对电池健康状态进行了评价。（4）本文先建立了SOH衰减模型,然后结合LSTM神经网络建立了电池老化模型。首先,分析了三种健康指标（容量、内阻和平均充电电压）的特点,选择电池容量建立SOH衰减模型,模型考虑了电流和温度两种主要影响因素。然后,对电池放电电流进行统计分析,根据环境温度和放电电流的不同建立了5种不同的工况验证模型的准确性。最后,结合LSTM神经网络和衰减模型计算的SOH建立了电池老化模型,模型对未来4个月电池容量的变化进行了预测,结果表明所建模型具有较高的预测精度。本文提出的基于实车行驶数据的电动汽车健康状态估算方法和老化模型避免了电池离线实验,明显降低了研究成本,同时可以有效考虑实际环境下复杂的工作条件,在线估计动力电池的健康状态。