镍氢电池由于具有较高的比功率、安全可靠性、燃油经济性以及较长的使用寿命等优点,被应用于混合动力汽车上作为动力电池使用。为了提高车辆的使用经济性和电池组的使用寿命,电池管理系统（Battery Management System,BMS）必须要对电池的荷电状态（state of charge,SOC）和健康状态（state of health,SOH）进行实时的监测。本文主要的研究工作如下:首先设计镍氢电池充放电实验并结合实验数据对电池的特性进行分析,在已有电路模型基础上进行改进,结合镍氢电池的特性建立了考虑滞回效应的二阶RC等效电路模型,针对镍氢电池的浓差极化和电化学极化,设计了一种解耦加权递归最小二乘算法（DWRLS）对极化参数进行在线辨识,并通过实验数据对参数辨识结果进行仿真验证。其次本文引入采样策略实时切换的方法和sage-husa自适应滤波算法,对传统无迹卡尔曼滤波算法（unscented Kalman filter,UKF）进行改进,设计出自适应平方根无迹卡尔曼滤波算法（Adaptive square-root unscented Kalman filter,ASRUKF）,ASRUKF算法可以消除因系统噪声误差导致SOC估算精度较低的问题,以及采样策略单一导致误差修正时间过长的问题。将ASRUKF方法估算出的仿真曲线与安时积分（Ah）法、UKF算法估算出的参考曲线进行对比,通过对比误差可知,本文新提出的ASRUKF算法具有较高的估算精度和鲁棒性。再次通过联合估算方法进行电池SOH的估算,通过对电池SOH进行分析后,选择内阻作为SOH的标识,将电池内阻和SOC作为扩展卡尔曼滤波算法（Extended Kalman filter,EKF）的状态变量,利用EKF实现电池内阻的实时估算,然后利用内阻与SOH的函数关系得出电池的SOH,并将估计结果与实验结果进行对比,研究结果表明联合估计算法可以精确的估算出电池的SOH。最后对仿真结果进行分析,在线参数辨识仿真曲线平均误差控制在0.015V左右,而现有文献的估算误差大约在0.03V左右,表明本文新提出的在线DWRLS参数辨识方法具有较高的估算精度;采用ASRUKF进行SOC估计可以将估算平均误差控制在1%左右,而现有文献的SOC估算误差大约在2.5%左右,通过误差对比分析以及仿真结果表明,提出的该方案行之有效;采用联合估算方法得出的SOH值与采用测量内阻得到的SOH值生成的误差曲线显示,SOH误差范围基本控制在2%左右且误差波动较为平稳,而现有文献的SOH估算误差大约在3%左右。通过将本文新提出的DWRLS参数辨识方法、SOC及SOH估算方法与现有文献的估算方法进行误差对比,验证本文新提出的估算方法精度更高。