伴随着汽车行业的发展,煤炭和石油等不可再生能源短缺以及气候、环境等社会问题日益凸显,而大力发展新能源汽车是有效缓解和改善上述问题的重要途经。锂离子电池作为现阶段新能源汽车产品最重要的组成部分,开发出优化的电池联合估算算法以提高电池的估算精度,对于进一步提升电动汽车整车性能,促进新能源汽车产业化发展具有理论研究意义和工程应用价值。本文依托校企某合作项目,以车用锂离子电池为研究对象进行状态估计,设计优化算法,旨在保证电池的状态在不同条件下仍能被精确估计。在电池充放电实验的基础上,搭建了电池等效电路模型,采用双扩展卡尔曼滤波算法实现了电池荷电状态（State of Charge,SOC）和健康状态（State of Health,SOH）的联合估算研究。由于该算法将推导过程理想化,会带来许多误差,因此提出一种基于粒子滤波算法改进的联合算法用来估算电池状态。研究结果表明,论文提出的算法能有效提高电池荷电状态估计和健康状态估计的准确性。具体研究内容如下:（1）首先对国内外新能源汽车和电池的发展概况以及研究现状做了分析和总结。介绍了锂离子电池的组成部分和工作原理,借助实验室已有的设备,对锂离子电池进行选型,搭建电池测试实验平台,设计并完成一系列实验,并对锂离子电池的性能特性进行分析。（2）接着分析国内外最常用的几种电池模型,最终在兼顾复杂度和精确度的同时选择二阶RC等效电路模型作为本文的研究对象。结合实验数据对电池模型的内部参数分别进行离线和在线辨识,并基于Matlab/Simulink软件完成该等效电路模型的搭建和验证,其结果表明该等效电路模型满足使用要求,且参数离线辨识的精确性要好于在线辨识。（3）然后对电池状态进行估计,分析卡尔曼滤波原理,基于扩展卡尔曼滤波算法建立了电池系统的状态方程和输出方程,实现电池SOC的估算,但是该算法的参数只能取固定值,于是在此基础上建立双扩展卡尔曼滤波算法,实现当前估算的模型参数值q和电池SOC之间的交替更新,再通过SOH的计算公式实现对电池SOC和SOH的联合估计,其结果表明该算法估算精度高于扩展卡尔曼滤波算法。（4）最后使用粒子滤波算法和无迹卡尔曼粒子滤波算法对电池SOC进行估算,并与前一章节估算结果进行对比。此类算法的缺点是不能对电池模型内部参数进行在线更新,因此为提高估算精度,提出在无迹卡尔曼粒子滤波算法的基础上,结合无迹卡尔曼滤波算法在线估算电池内部参数,形成改进算法实现电池SOC和SOH的联合估算。估算结果表明,提出的改进算法精度高于双扩展卡尔曼滤波算法和无迹卡尔曼粒子滤波算法。论文最后在电池初始SOC未知以及不同温度下验证了其鲁棒性,确保不同条件下该算法的适用性。