健康管理包括健康状态(State of health, SOH)的在线估计与剩余使用寿命(Remaining useful life, RUL)的准确预测。作为一种供电能源，锂电池广泛地应用在各种电子设备中，其健康管理具有重要的研究意义。通常使用容量作为健康指标(Health indicator, HI)来衡量锂电池的健康状态。然而，锂电池的容量测量存在以下两种问题。第一，容量的测量需要经过一次完整的充电或者放电循环才能够获取，这个过程耗费的时间将会比较长，只能离线测量，而且对于一些电池来说完全的充放电会缩短电池的寿命。第二，锂电池在退化过程中由于两次循环间静置休息时间的影响，容量会产生一定程度的再升，从而导致在再升点处预测的RUL误差较大。
　　对于容量不易获取的情况，本文提出了等电压间隔的时间差和等时间间隔的温度差这两个健康指标来表征锂电池的退化状态。利用皮尔逊相关系数法分析了HI和容量之间的相关关系，采用了基于相关相量回归(Relevance Vector Regression, RVR)的方法实现了锂电池SOH的在线估计。
　　针对锂电池容量的再升现象(Capacity Regeneration Phenomenon, CRP)，分析了容量产生再升的原因。采用了基于粒子滤波(Particle Filter, PF)和曼惠特尼U检验(Mann-Whitney U test)相结合的方法，来实现不同电池容量再升点的准确检测。
　　提出了一种PF和自回归模型(Auto regression, AR)相结合的混合方法来预测RUL。将AR模型预测的结果作为真实容量值来对PF预测模型的参数进行更新。与单纯使用PF和AR模型以及支持向量回归算法(Support vector regression, SVR)相比，本文所提出的方法具有更好的预测精度。
　　最后，将本文所提出的方法在美国宇航局NASA的公开锂电池数据集上进行了验证，结果均表明了本文所提出的方法的有效性。