动力锂离子电池是电动汽车的重要的组成部分,其性能直接影响了电动汽车是否可以安全运行。本文的研究是依托于国家自然科学基金汽车联合基金项目:高比能锂离子电池性能衰减机制、寿命预测及耐久性管理技术基础。主要以两款电芯为研究对象:额定容量分别为36Ah及114Ah的三元锂离子电池。首先,应用正交实验法设计了温度应力、放电倍率应力和耦合应力实验,并在实验过程中对电池进行HPPC测试,得到电池特征参数。结合实验数据,分析了温度及放电倍率对电池容量衰减的影响。其次,建立了基于数据拟合的电池寿命经验模型。分析了不同温度下电池的衰减机理,研究发现电池在低温条件下衰减机理与常温和高温条件不同,本文只建立常温及高温条件下电池寿命模型,对低温条件侧重机理分析。建立了单应力电池寿命模型:基于修正后的Arrhenius方程的温度应力电池寿命模型、基于逆幂律函数的放电倍率电池寿命模型,并且提出了变温度应力电池寿命建模思路。再次,建立了基于数据驱动的电池寿命预测方法,采用了支持向量机算法建立电池寿命预测模型,可以有效预测电池衰退拐点出现以前的电池寿命,预测精度在9%以内。为了避免出现局部最优解,对模型参数进行寻优时,应用基于交叉验证的网格搜索法。为了解决该预测方法不能有效预测衰退拐点以后的电池寿命的问题,研究了电池直流内阻与容量衰退的关系。测试了不同工况下电池直流内阻,提出了电池直流内阻变化与容量衰退变化的关系,即直流内阻增大的拐点基本对应容量衰退的拐点,可以作为电池健康状态诊断的特征参数,解决了基于数据驱动电池寿命预测方法中存在的无法有效预测容量衰退拐点的问题。最后,建立了融合模型的电池寿命预测方法,应用粒子滤波算法建立电池寿命预测模型。为了解决采用了重要性采样中计算量随时间增加而不断加大的问题,应用了序贯重要性采样算法;为了解决算法实施过程中粒子退化的问题,应用了重采样技术;电池衰退模型采用了双指数模型,基于粒子滤波算法实现电池寿命的预测,预测精度在2%以内。该方法不仅可以有效预测电池容量衰退拐点后的数据,而且相比于基于数据驱动的电池寿命预测方法预测精度得到大幅度提高。