电池管理系统（BMS）对于确保电动汽车使用的安全性非常重要,其正常运行高度依赖于电池系统内各传感器的准确性。由于受故障诊断模型限制,目前电池电流传感器的故障诊断效率远低于电压传感器。本文结合当前车用电池传感器故障诊断研究中各类传感器诊断中的优劣势,建立了基于改进等效模型的诊断方法,实现了电池电流传感器故障诊断效率的大幅提升,对于开展电池故障诊断相关领域的研究十分有意义。本文基于一阶RC等效电路模型进行改进,采用以电压为输入电流为输出（VICO）的思想建立了电池VICO模型并引入电流传感器故障电流作为状态变量之一来直接定位电池电流传感器故障,同时基于一阶模型建立思路进行扩展,建立了各阶RC电池VICO模型,并通过对各阶模型的归纳总结进行了n阶电池VICO模型的推广分析。同时建立了车用动力电池实验平台并采用单体镍钴锰酸锂电池在不同工况及温度下进行了电池动态循环测试实验并采集对应数据并进行确定性的故障干预以用于后续故障诊断研究的开展。基于建立的一阶RC电池VICO模型及电池实验数据,采用带遗忘因子的递推最小二乘（FFRLS）算法对电池模型参数进行参数辨识,基于参数辨识结果及电池实验数据结合无迹卡尔曼滤波器（UKF）算法对所建立的电池VICO模型的各状态参数进行状态估计。基于上述估计方法提出基于电流传感器故障电流的故障诊断方法以及基于电池荷电状态（SOC）和开路电池（OCV）残差两类传统方法进行电池电流传感器故障诊断,验证结果表明本文提出的故障诊断方法在不同工况下可以提升故障诊断效率约20%以上。同时也对所提出的方法检测小故障的能力和在不同工况和温度下的适应性也进行了验证。为实现上述故障诊断过程中的UFK噪声参数矩阵自适应调整,采用粒子群算法（PSO）算法对所提出的故障诊断方法进行优化及调整,验证结果表明优化后的方法可以在一定估计误差允许范围内大幅度提升故障诊断效率。