锂离子电池的发展为汽车动力领域提供了更多的可能性。三元锂离子电池以其高功率密度、优秀的循环性能和温度性能成为当今新能源汽车动力电池的重要选择之一。对电池的状态进行准确评估是电动汽车安全、可靠、高效利用电池的保障。其中,对荷电状态（State Of Charge,SoC）进行精确估计不仅可以为驾驶者提供车辆续航信息、缓解里程焦虑,还可以保证电池的安全运行。本文针对三元锂离子电池的状态与参数协同估计算法,基于贝叶斯滤波中的参数滤波与非参数滤波算法提出了三种SoC与模型参数协同估计算法和一种改进型算法,进一步提高SoC估计精度,改善算法的收敛性能。主要工作包括以下几个方面:（1）基于三元锂离子电池工作原理设计充放电实验,对两类不同三元材料的锂离子单体电池分别进行了不同倍率下的放电测试。实验结果表明:两类电池的放电能量效率ηE均低于同等放电倍率下的放电容量效率ηQ;两类电池在不同放电倍率下的放电容量Qd或能量Ed均小于标准充电方式下的充电容量或能量,Qd和Ed随放电倍率的增大而减小,ηQ和ηE随放电倍率的增大而减小;两类电池的ηE随放电倍率的增大而减小的速度慢于ηQ的减小速度;镍钴锰锂离子电池的ηE和ηQ随放电倍率增大而减小的速度均慢于镍钴铝锂离子电池。（2）基于Thevenin模型提出衰减系数αi和稳态系数βi两个新的模型极化参数,使极化电压迭代方程中的极化参数与历史数据呈线性组合,简化空间方程,以便使用线性卡尔曼滤波器估计极化参数。在不同SoC阶段下,采用混合脉冲功率特性测试（Hybrid Pulse Power Characterization,HPPC）,对镍钴锰三元材料锂离子电池的模型极化参数进行离线辨识,将辨识结果分段线性化后输入到对应的等效电路模型中,得出以下结论:在HPPC工况下,一阶和二阶模型在长恒流放电-静置区域的输出电压误差较大,在脉冲充放电区域输出电压误差较小,整体上二阶模型的精度高于一阶模型;在DST和FUDS工况下,一阶与二阶模型的输出电压误差较HPPC工况下更小,且估计误差均保持在40m V以内;在三种工况下,一阶和二阶等效电路模型输出电压均在放电末尾段出现了误差增大的情况。另外,研究设计了一种用以在线辨识极化参数的记忆渐消的递推最小二乘法,并在不同工况下进行了仿真分析。结果表明,该在线方法的辨识结果能够提高模型输出电压的精度。然而,该算法将开路电压(uoc)作为待辨识的参数之一,忽略了uoc与电流的耦合关系,使得模型极化参数的估计结果脱离实际范围,无法用于提高电池SoC的估计精度。（3）本研究设计了三种不同贝叶斯滤波器组合的协同估计算法,在不同工况下对算法的SoC和参数估计进行仿真分析。结果表明:协同估计算法相对于单滤波算法具有更高的SoC估计和参数估计精度。噪声自适应扩展卡尔曼滤波-线性卡尔曼滤波的组合协同估计算法（Adaptive EKF-KF,AEKF-KF）与噪声自适应无迹卡尔曼滤波-线性卡尔曼滤波的组合协同估计算法（AUKF-KF）由于uoc-SoC关系非线性程度低、噪声协方差小而呈现近似的估计精度,且二者的估计精度均低于粒子滤波-线性卡尔曼滤波的组合协同估计算法（PF-KF）。误差分析表明将算法的预测电压误差作为评估参数估计精度的标准是不可靠的,使用开环模型输出电压误差则能够反映真实情况。研究还提出了一种改进型协同估计算法（Improved AEKF-KF,IAEKF-KF）:将SoC作为唯一状态量,消除了状态量与极化参数的强关联性,从而提高估计精度;通过增加参数滤波器的触发机制,克服了原算法收敛性差的问题。在不同工况下对IAEKF-KF与AEKF-KF进行对比仿真,结果表明改进型协同估计算法具有更高的SoC与参数估计精度,且收敛性能更佳。（4）基于TMS320F28335数字信号处理器和AD7606采样芯片设计了一套三元锂离子电池SoC与参数协同估计平台。该系统能够实时协同估计三元锂离子电池的状态与极化参数,并在上位PC机中绘制曲线。研究设计了两种工况对镍钴铝三元材料的18650电池进行放电操作,对比分析了搭载AEKF和IAEKF-KF两种算法的协同估计平台的工作性能与数据结果。实验结果表明该平台工作稳定可靠,估计结果符合仿真预期。