目前,对于电动汽车而言,电池技术仍然是制约其发展的主要因素之一。动力电池的强时变非线性,以及诸多因素,比如循环工况、老化、温度波动的不确定性,使得动力电池管理系统(BMS)对动力电池状态的准确估计变得十分困难。本文针对电动汽车用锂离子动力电池荷电状态与可用容量的估计问题,开展了如下研究工作:1)搭建了锂离子动力电池测试平台,对不同类型、不同材料、不同结构的锂离子动力电池在不同温度下进行特性和老化实验,积累了丰富的实验数据用于验证本文方法的准确性和有效性。基于实验数据,分析了电池开路电压(OCV)和电化学交流阻抗谱随动力电池操作温度、老化状态的演变轨迹。结果表明,动力电池开路电压对其老化状态较为敏感。操作温度、老化状态对电化学交流阻抗谱的影响非常显著。2)针对不同等效电路模型预测性能的差异性对动力电池荷电状态估计结果存在显著影响的问题,提出了基于多模型概率的动力电池荷电状态(SOC)融合估计方法。该方法能够有效提高估计结果的冗余性,降低单一模型下估计结果可能失效从而导致系统估计结果不可用的风险。仿真结果表明,采用带有反馈机制的分布式融合估计框架,能够提高估计的准确性。经过融合,荷电状态估计值的整体性能得到进一步优化,可靠性得到提升,并且该方法对于环境温度具有鲁棒性,在不同温度下均有效。3)针对开路电压与SOC关系对动力电池老化状态较为敏感的问题,提出了基于响应面优化的动力电池可用容量离线估计方法。通过实验数据,研究电池老化过程中OCV-SOC关系的变化,建立开路电压关于荷电状态及电池可用容量的三维响应面模型,将可用容量估计过程转变为在三维响应面上搜索最佳OCV-SOC关系的过程。结合安时积分法及参数辨识方法,通过辨识模型参数(包含可用容量)从而完成可用容量估计。仿真结果表明,在不同的工况及老化程度下,可用容量的估计误差都可以保证在5%以内。4)针对动力电池多参数状态间存在相互耦合的问题,提出了基于双H无穷滤波器的动力电池荷电状态与可用容量联合估计方法。考虑到动力电池的强时变性,采用双滤波器框架对电池的模型参数及SOC进行联合估计。由于SOC估计对等效电路模型参数准确性具有较强依赖,然而在建模过程中不可避免的会存在模型误差(未建模部分),所以对估计方法提出了较高的鲁棒性要求。另外,传统卡尔曼滤波方法对于噪声统计特性进行假设,使得估计结果具有一定的保守性。为了克服上述问题,本文采用H无穷滤波方法作为联合估计的基本方法,同时引入开路电压三维响应面模型提高可用容量估计的收敛速度。最后利用实验数据,验证了该方法的有效性。5)针对多参数状态联合估计方法的应用和验证问题,搭建了基于xPC Target硬件的半实物仿真平台,开展了模拟实车运行的动态工况实验。实验结果表明,该方法能够对动力电池的SOC和可用容量进行准确地估计,同时对于初值误差具有很好的鲁棒性。本论文针对电动汽车锂离子动力电池鲁棒性状态估计方法展开研究。提出了基于贝叶斯理论的多模型融合估计方法,解决了单一模型下SOC估计结果不可靠的问题;针对动力电池老化造成其可用容量衰退以及SOC估计不准确的问题,提出了基于响应面优化的可用容量和荷电状态离线联合估计方法;为解决估计结果的实时性问题,提出了双H无穷滤波器多状态联合估计方法,实现了动力电池SOC与可用容量的实时联合估计,降低了传统方法对噪声统计特性和模型准确度的依赖,验证结果表明该方法具有重要的工程应用价值。