随着全球气候变暖、土地沙漠化程度加剧,全球环境正在逐渐恶化,世界各国纷纷将汽车首要发展方向转向电动汽车。动力锂离子电池因具有能量密度大,工作寿命长以及绿色环保等优点成为现在电动汽车电池组的优先选择。由于锂电池的化学特性受环境、温度等因素的影响,其电压、电流、功率等数据都是非线性的,给电池管理系统（BMS）带来了重大挑战,使其难以对其进行准确的故障诊断。BMS需对电池各项实时状态进行检测,以保证电池在不同环境下安全稳定运行;面对电池传感器故障,BMS必须实时监测传感器的工作状态,并采取有效的故障诊断策略进行故障的发现与隔离。本文设计一种基于无迹卡尔曼滤波算法的动力电池传感器故障诊断策略,在对电池荷电状态进行在线估计的同时实现电压、电流传感器故障诊断与分离。主要内容包括:介绍了基于模型的故障诊断方法,建立系统精确的电池传感器故障模型,研究理解系统的动态响应过程。介绍了通过失效模式及其影响分析（FMEA）方法,对锂离子动力电池组进行了RPN风险顺序数评估,对由电池组内部各项传感器故障所引起的风险按照严重程度进行了划分。使用故障树分析（FTA）方法,找到电池管理系统故障的不同起因,展现了动力电池系统下主要组成部件故障之间的内在逻辑层次联系。通过建立能够反应电池内部特性的二阶RC等效电路模型,对三元锂动力电池的工作原理及性能指标进行深入分析。利用离线参数辨识对等效电路模型中的阻容器件进行参数辨识,并通过Matlab仿真实验进行精确性分析。为实现电池参数和荷电状态的在线估计,提出了递推最小二乘法（RLS）与无迹卡尔曼滤波（UKF）算法相结合的RLS-UKF算法。在Matlab软件中建立电池参数辨识和SOC估计仿真平台,基于动力电池试验数据在UDDS循环工况下对RLS-UKF算法的精度与收敛性进行仿真试验。基于RLS-UKF算法提出了一种电池传感器故障诊断与分离策略,其故障诊断方案难度低,计算量小。该方案通过实时监测电压传感器或电流传感器故障下的单体电池,将在不同荷电状态估计算法间的SOC差异设置为残差,对动力电池组内串联单体电池的多个电压传感器和单个电流传感器实施故障检测与分离。在系统仿真模型中注入故障信号模拟故障发生,结果验证了故障诊断策略的有效性。