为缓解能源问题和环境问题,新能源汽车特别是纯电动汽车技术发展引起广泛关注。电池作为纯电动汽车的关键部件,其性能退化或发生故障会影响车辆正常运行甚至导致重大安全事故。因此,对车载电池健康状态进行评估具有重要现实意义。本文对实车运行数据进行预处理,提取敏感特征表征电池性能状态,采用多源信息融合的方法构建车载电池健康状态评估模型,通过实车运行数据验证表明,本文所提方法能够提高车载电池健康状态评估的准确性,及时发现电池异常状态,减少电动汽车在正常运行过程中的安全隐患。本文的工作包括以下内容:（1）对纯电动汽车的实车运行数据预处理方法进行了研究。去除了获取的数据类型中没有分析价值的数据类型,将获取数据中的缺失数据分为长时缺失数据和短时缺失数据,分别采用删除和加权滑动平均值插补方式对缺失数据进行补足,对获取数据中的异常数据使用箱型图法进行异常值检测和剔除。通过对数据的预处理,降低了数据的维度,提高了数据集的质量。（2）针对多维特征中存在冗余信息的问题,对表征电池组健康状态的特征提取方法进行了研究。对常见的相关性度量方法进行了对比分析,最终选择具有低复杂度、高鲁棒性的最大信息系数作为特征选择的方法。通过4种具有代表性的函数,验证了最大信息系数在多种函数相关性度量中的优势。依据最大信息系数制定特征选择的流程,对车载电池特征进行筛选,获取准确表征电池状态的敏感特征。（3）针对单一特征参数无法全面评估电池状态的问题,研究了基于高斯混合模型和基于贝叶斯推理的距离的多源信息融合的车载电池健康状态评估方法。利用无故障状态的数据建立高斯混合模型,以基于贝叶斯推断的特征融合指标表征测试数据与健康状态模型的距离作为评估的定量指标。通过与单一的特征参数、所有特征参数融合、随机抽取特征融合以及基于支持向量数据描述的融合评估方法的评估结果进行对比分析,验证了本文所提多特征参数融合指标具有更好的健康状态评估能力。针对测试数据可能存在异常数据,导致状态评估结果错误的问题,制定异常数据判定规则为解决输入模型的数据可能是异常数据,导致触发虚警的问题提供了解决思路。